PCL 计算两三维向量的曼哈顿距离【2025最新版】

已于 2025-06-23 20:05:02 修改
阅读量5.1k 收藏 31
点赞数 2
CC 4.0 BY-SA版权
分类专栏： PCL学习 文章标签： 算法 c++ 开发语言 计算机视觉 3d
于 2021-10-25 08:12:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36686437/article/details/120712473
PCL学习 专栏收录该内容
264 篇文章 ¥19.90 ¥99.00
订阅专栏
本文介绍了融合3DSC特征描述子与ICP算法的点云配准方法，详细提供了可运行的完整代码，旨在解决现有代码无法正确运行的问题。通过3DSC进行粗配准，然后利用ICP实现精配准，适用于激光扫描器的点云注册。结果展示部分展示了算法的成功应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

在这里插入图片描述

本文由CSDN点云侠原创，原文链接，首发于：2021年10月25日，博客长期更新，本文最近一次更新时间为：2025年6月23日。

一、算法概述

1、百度百科

  图1中红线代表曼哈顿距离，绿色代表欧氏距离，也就是直线距离，而蓝色和黄色代表等价的曼哈顿距离。曼哈顿距离——两点在南北方向上的距离加上在东西方向上的距离，即 d ( i , j ) = ∣ x i − x j ∣ + ∣ y i − y j ∣ d(i,j)=|xi-xj|+|yi-yj|

了解本专栏 订阅专栏 解锁全文
PCL 二维动态图制作【2025最新版】
点云侠的博客
10-18 5524
是用PCL制作动图。博客长期更新，本文最近一次更新时间为：2025年6月2日。
【论文复现】——A Fast Point Clouds Registration Algorithm for Laser Scanners
最新发布
点云侠的博客
05-14 121
[1]Xu Guangxuan,Pang Yajun,Bai Zhenxu,Wang Yulei,Lu Zhiwei. A Fast Point Clouds Registration Algorithm for Laser Scanners[J]. Applied Sciences,2021,11(8):
点云配准PFH、FPFH、icp、NDT、3Dsc.zip
02-24
几个点云配准的算法：点云配准PFH、FPFH、icp、NDT、3Dsc：粗配准算法，并计算出误差 几个点云配准的算法：点云配准PFH、FPFH、icp、NDT、3Dsc：粗配准算法，并计算出误差
PCL：3DSC特征（3D形状上下文特征）
com1098247427的博客
10-17 1808
3D形状上下文特征
3DSC特征描述符、对应关系可视化以及ICP配准
qq_58060770的博客
02-18 1728
以及本章第一部分已经解释了大部分函数，这里就不赘述了。配准结果，程序运行很慢，要等好几分钟。
【2025最新版】PCL点云处理算法汇总（C++长期更新版）
热门推荐
点云侠的博客
01-18 61万+
PCL学习目录。博客长期更新，最近一次更新时间为：2025年8月18日。
PCL点云处理算法汇总（C++长期更新低价精品版）
m0_51204289的博客
10-28 2192
所有内容均抄自CSDN点云侠，质量无忧，价格更低。关注我，坐等更新即可永久享受低价优质服务。欢迎收藏、关注、评论、转发，一键四连。
PCL 基于K近领域查找匹配点对
m0_51204289的博客
10-28 942
内容抄自CSDN点云侠：[【2024最新版】PCL点云处理算法汇总（C++长期更新版）](https://blog.csdn.net/qq_36686437/article/details/114160640)。质量无忧，永久免费，可放心复制粘贴。
三维计算机视觉（六）--3DSC（3D形状上下文特征）
工作笔记
10-07 1万+
首先，3DSC特征是在2DSC的基础上扩展的，因此，先介绍2DSC。 2D  Shape Context 形状上下文特征是一种很流行的形状描述子，多用于形状匹配，目标识别，它采用一种基于形状轮廓的特征描述方法,其在对数极坐标系下利用直方图描述形状特征能够很好地反映轮廓上采样点的分布情况。 形状上下文的基本原理如下： Step1:对于给定的一个形状,通过边缘检测算子(如:canny算子)
基于点云库PCL的3D形状上下文（3DSC）计算与可视化
HackWhisper的博客
08-17 350
点云库（Point Cloud Library，简称PCL）是一个广泛使用的开源库，用于处理和分析点云数据。其中，3D形状上下文（3D Shape Context，简称3DSC）是一种基于点云的特征描述方法，常用于点云的匹配、分类和识别等应用。通过加载点云数据、计算3DSC特征以及展示特征结果，我们可以更好地理解和分析点云数据。同时，PCL还提供了许多其他功能和算法，如滤波、配准、分割等，可以帮助我们处理和处理点云数据。在计算完成之后，我们可以使用PCL库提供的可视化工具来展示点云的3DSC特征。
3Dsc+icp.rar
03-27
利用PCL开源库编写代码3DSC+ICP算法实现点云高精度配准，并计算配准误差！基于PCL库版本1.9！
点云粗配准算法
03-05
写了几个点云配准的算法，主要包括PFH、FPFH、icp、NDT、3Dsc几种粗配准算法，并计算出误差。
浅谈三维形状上下文特征3DSC理论及应用
06-09 2978
​ 在之前的博客中，我们已经介绍过了使用FPFH在点云上建立局部形状描述，实现对点云局部隐曲面几何特征的高效表达(浅谈FPFH算法实现原理及其在点云配准中的应用)。今天，我们将介绍另外一种局部形状描述子: 3DShapeContext (3DSC)。最近上课需要准备这部分内容，本打算找一个现成的博客学习一下了事的。但是看了几个博客，感觉还是差点意思，于是我下载了原始论文，从头读了一遍，将一些原理与实现细节在这篇博客做个展开，希望能够帮助到有需要的同学。...
PCL :实现融合3DSC的采样一致性ICP配准算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
09-17 317
PCL :实现融合3DSC的采样一致性ICP配准算法(附完整源码)
3DSC(3D形状上下文特征)
weixin_43802726的博客
07-11 464
2DSC的算法流程如下： 首先，对于给定的形状通过边缘检测算子获取轮廓边缘，对轮廓边缘采样可以得到一组离散的点集P={p1,p2,p3,...pn} 给定点集P中的任意点pi，在以点pi为中心，r为半径的区域内建立一个对数极坐标系（如右图（c）所示） 随后，可以构建点集中其它点相对于点pi的对数极坐标分布直方图。是对应局部点的密度，它是以局部点为球心，以a为半径的球体包含的点的数目。如图，3DSC将2DSC的圆形坐标区域扩展为以采样点p为圆心，R为半径的球区域。其中，球的北极方向为点p的法线方向。
点云配准——（1）几种点云配准算法比较
阁楼
03-05 7万+
几种点云配准算法比较 参考许多博客，看了点云配准的好多算法，决定对这几天搞得点云配准做一个总结，主要也防止自己忘掉。主要参考下面这个博客，链接已经附上。 https://blog.csdn.net/peach_blossom/article/details/78506184 一、算法实现软硬件环境 CPU：intel corei5-5200 @2.20Hz 显卡：Nvidia GeForce GT...
3DSC算法计算点云描述子
twnkie的博客
11-09 442
3DSC通过在每个点周围定义一个球形区域，将该区域分割成若干个体素（bins），并计算每个体素内的点数。通过这些体素的点数分布，可以形成一个描述该点局部几何特征的直方图。这种直方图在旋转和平移上具有一定的不变性，因此适合用于点云匹配。
从零实现无序抓取（三）不同特征描述子的3D位姿估计对比
PromiseChen0的博客
04-16 2767
前言 3D点云的姿态估计有时可以看作是点云配准的过程，其实就是计算场景点云Ps和模版点云Pm之间的位姿变换关系。这种变换一般都是刚性变换，包含平移和旋转。目前最常用的是采用两阶段的算法来进行位姿的精确估计。第一阶段，采用SAI-IA算法进行位姿粗估计，第二阶段，采用ICP迭代优化位姿，进行精确的位姿估计。 一、点云特征描述子 常见的特征描述子：FPFH,SHOT,3DSC具体实现就不写了，后期有时间的话慢慢补上。 这里详细讲一下特征描述子的作用。 首先举个例子，现在你家里人叫你去相亲，但是他们没有女方A的照
PCL 计算3DSC并可视化【2024最新版】
点云侠的博客
02-27 36万+
3D形状描述子，本文最近一次更新时间为：2024年10月10日。
基于PCL实现三维点云法向量估计方法
总结，本文件资源所涉及的知识点围绕着如何使用PCL库实现三维点云模型表面法向量的计算，并可能包含相关的C++编程实践。掌握这些知识点对于进行点云数据处理和三维空间信息分析的开发者来说至关重要。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值