NARF(法线对齐的径向特征)

NARF 全称 normal aligned radial feature(法线对齐的径向特征) ,是一种为从深度图像中识别物体而提出的3D关键点检测和描述的算法,该算法由Bastian Steder和 Radu Bogdan Rusu等人于2010年在他们的文章《Point Feature Extraction on 3D Range Scans Taking into Account Object Boundaries》中首次提出。

NARF是基于深度图像的关键点提取算法,与普通的灰度图像不一样,深度图像中深度值发生跳变的地方往往就是图像中物体的边缘部分。因此NARF算法会首先进行边缘检测,然后再从中选出表面稳定但领域变化较大的边缘点作为关键点。

深度图像

边缘检测的结果

关键点提取的结果

为了找到边缘,在每个深度图(range image)上,给定查询点p,在以p为中心,s为边长的矩形窗格内,计算每个点到p的距离,并对距离的集合升序排列,得到集合

然后计算点p与上、下、左、右四个方向的邻域的距离

然后对点p在上、下、左、右四个方向打分,判断点p是否为边缘点

将分数值与阈值T(原文文给的参考值为0.8),对评分大于T的点进行非极大值抑制,就区分出了物体的边缘点和非边缘点

边缘提取示意图

接着,就可以借用边缘点信息进行NARF关键点探测了,探测的步骤如下: 首先遍历深度图像中的每一个点,计算每个点的主方向v,再计算根据领域信息确定点的强度因子I1和方向因子I2:

然后将强度因子和方向因子相乘便得到兴趣值I。 然后利用高斯核来平滑每个点的兴趣值。 最后设定阈值T2,当兴趣值I大于阈值时,即为NARF关键点。T2的参考值可以为0.5。

配准结果示意图

深度图像示意图

边缘点提取结果示意图

相关推荐
阿里云大数据AI技术3 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能
Forget the Dream4 小时前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
郝学胜-神的一滴4 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
火山引擎开发者社区4 小时前
豆包工作,3 个月,800 万,20 亿
人工智能
Chuck.li5 小时前
AI 长篇创作工具选型:工作流对照与自测清单
人工智能·大模型·ai写作·网文作者·ai网文·豆包写作
aleimu5 小时前
Windows 11 右键打开 Cmder 2.0:从找不到菜单到默认使用 Cmder
前端·人工智能·后端
SwanArc技术笔记5 小时前
读技术文档,先用哪个 AI?模型指南筛选与 GPT-6.2 Astra 实操
人工智能
深海鱼在掘金5 小时前
深入浅出RAG——第21章:回顾与展望
人工智能
羲云网络5 小时前
GPT Image 2.6 GIF 交付排障:上线后为什么只剩第一帧?
图像处理·人工智能·前端开发·gif
安爹前沿AI5 小时前
Seedance 有个文档里没写的参数:开了码率涨 3.9 倍,费用一分没多
人工智能