摘要点特征是影像最基本的特征,它是指那些灰度信号在二文方向上都有明显变化的点,如角点、圆点等。点特征可以应用于诸如图像的配准与匹配,目标描述与识别,光束计算,运动目标跟踪、识别和立体像对3D建模等众多领域。使用点特征进行处理,可以减少参与计算的数据量,同时又不损害图像的重要灰度信息,在匹配运算中能够较大的提高匹配速度。PFH算法是一种新颖的，用来描述3D局部几何特征。该算法可以提供较为准确的信息特征和特征提取，并且在噪声环境中有强大的鲁棒性。28437
  本文详细地描述了点特征直方图的原理，包括算法和复杂度分析。同时本文还给出PFH算法的具体实现，并在图像集上进行实验，以展示PFH算法的具体特性。最后，本文介绍了PFH算法在扩展和应用方面的研究情况。
关键词：连续特征直方图，点云，几何推理。
毕业设计说明书（毕业论文）外文摘要
Title       Persistent Point Feature Histograms  for  3D Point Clouds       
Abstract
Point feature is the basic feature of an image,it refers to those points whose grey scale signals are obviously varied in 2-dimensional directions,such as angular points ,round dots and so on.Point feature can be applied to such as image registration and matching, object description and recognition, beam calculation,moving object tracking and recognition, stereo image modeling for 3D and many other fields. Using feature points for processing, can reduce the amount of data involved in the computation, and does not damage the image of gray information. It can greatly improve the matching speed in the matching operation. Using persistent feature histograms provides a novel way of characterizing the local geometry of 3D points. The algorithm can provide more accurate information feature and feature extraction, and has strong robustness in noisy environments.
This paper describes in detail the principle of PFH (Point Feature Histogram) algorithm, including algorithms and complexity analysis. At the same time, this paper presents the implementation of PFH algorithm, and experiments are carried out in the image set, to show the specific characteristics of the PFH algorithm.Finally, this paper introduces the research situation of PFH algorithm in the application and extension ofthe.
Keywords：Keywords. persistent feature histograms, point clouds, geometric reasoning
目   次 
1  引言 1
1.1  研究背景与意义 1
1.2  点特征直方图研究现状 1
1.2.1  采用平滑约束的点云分割 2
1.2.2  嘈杂点云中估计点云法线 2
1.2.3  对采样点表面的多尺度特征提取 2
1.2.4  采用局部直方图识别3D对象 3
1.2.5表面点对的处理 3
1.3本文的安排3
2点特征直方图算法的原理与实现 4
2.1  PFH算法 4
2.1.1  算法 4
2.1.2  估计表面法线 4
2.1.3  计算PFH特征 6
2.1.4  距离度量公式 8
2.2 PFH算法实现 11
2.2.1  程序结构 11
2.2.2  程序流程 11
2.2.3  实验结果与分析 12
3 PFH算法的扩展 13
3.1  FPFH介绍 13
3.1.1  FPFH 14
3.1.2 FPFH算法 15
3.1.3 FPFH结果 16
3.2  PFH和FPFH区别 16
结论  18
致谢  19
参考文献20
1  引言（或绪论）
1.1  研究背景与意义
随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术越来越广泛地应用于各个研究领域。对于一个图像来说，其中最基本的单元便是像素点，一个像素点在一个三文的立体空间中便可以用一个3D坐标系来表示，即   （x，y，z）。对于专门的图像处理领域，例如图像配准，3D点云的特征的描述和提取是基础，并且是非常关键的一部分。同时点云特征描述与提取也在点云处理的其他方向发挥着巨大的作用，比如点云的识别，分割和重构等。 3D点云点特征直方图计算方法研究:http://www.youerw.com/jisuanji/lunwen_23282.html