如何通过PCL获取8×8规格的Spin Image描述符

问题原因 #

你遇到的153维直方图是PCL SpinImageEstimation类的默认输出大小，而你设置的image_width=8对应应该是8×8=64维的直方图，问题出在输出类型的维度不匹配，以及可能缺少关键参数的正确配置。

解决步骤 #

1. 指定正确的输出直方图类型 #

将输出类型从默认的pcl::Histogram<153>改为pcl::Histogram<64>，确保和你设置的8×8分箱对应。

2. 确保输入法线 #

Spin Image描述符依赖点的法线信息，必须为SpinImageEstimation设置输入法线（如果没有法线，需要先用pcl::NormalEstimation计算）。

3. 正确设置搜索半径 #

搜索半径需要和image_width匹配，每个分箱的大小为半径 / image_width。例如，若希望每个分箱对应0.01米的径向范围，半径应设为8 * 0.01 = 0.08米。

4. 显式配置参数（可选但推荐） #

手动设置直方图大小，确保和image_width的设置一致，避免歧义。

示例代码 #

#include <pcl/point_types.h>
#include <pcl/features/spin_image.h>
#include <pcl/features/normal_3d.h>
#include <pcl/search/kdtree.h>

int main() {
    // 加载或初始化你的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    // 如果没有法线，先计算法线
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    ne.setInputCloud(cloud);
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree_norm(new pcl::search::KdTree<pcl::PointXYZ>);
    ne.setSearchMethod(tree_norm);
    ne.setRadiusSearch(0.05); // 根据点云尺度调整
    ne.compute(*normals);

    // 初始化SpinImageEstimation，输出64维直方图（8×8）
    pcl::SpinImageEstimation<pcl::PointXYZ, pcl::Normal, pcl::Histogram<64>> spin_image;
    spin_image.setInputCloud(cloud);
    spin_image.setInputNormals(normals);

    // 设置搜索方法
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree_spin(new pcl::search::KdTree<pcl::PointXYZ>);
    spin_image.setSearchMethod(tree_spin);

    // 设置搜索半径：对应8个分箱，每个分箱0.01米
    spin_image.setRadiusSearch(0.08);
    // 设置Spin Image宽度为8
    spin_image.setImageWidth(8);
    // 显式设置直方图大小为64（可选，setImageWidth已自动设置）
    spin_image.setHistogramSize(64);

    // 计算Spin Image描述符
    pcl::PointCloud<pcl::Histogram<64>> spin_images;
    spin_image.compute(spin_images);

    // 此时每个点的直方图为64维，对应8×8的Spin Image
    return 0;
}

注意事项 #

• 搜索半径的取值需要结合你的点云实际尺度调整，过小会导致直方图稀疏，过大则会降低描述符的区分度。
• 若点云密度不均匀，可考虑使用setKSearch代替setRadiusSearch，指定固定数量的邻域点进行计算。

内容的提问来源于stack exchange，提问作者Apo