基于正态形状索引的关键点提取算法

针对传统关键点检测算法对噪声敏感及依赖于物体模型的形状特征等问题,提出一种基于正态加权的多尺度关键点提取算法。首先,在每个尺度上建立局部邻域的协方差矩阵,计算局部坐标系落在前两个坐标轴的比率大小,根据比率大小来确定候选关键点。然后计算基于正态加权的形状索引值,以此来度量点云的局部最大相异性度量值。最后,在不同尺度下,将具有局部最大相异性度量值的极大值点作为最终关键点。实验结果表明,相比较其他的传统算法,所提算法能有效地提取各种点云模型的关键点,能够同时兼顾关键点的质量、数量及运行效率,且对具有尖锐特征和大面积平滑特征的模型具有较强的适应性,算法的鲁棒性及形状索引功能得到进一步增强。