我有点云（每个点有颜色）的对象和图像显示这些对象。我想在2D / 3D中找到兴趣点并与之匹配，因此我知道我的图像的哪些部分（至少那些有兴趣点的部分）可以在点云中找到。
所以我需要先找到兴趣点，得到他们的描述符并匹配它们。如果可能，这应该适用于当前的快速和内存保存算法，如BRISK或ORB（没有专利算法！）来自OpenCV。但我不知道如何为3D实现它们。这甚至可能吗？我发现了一篇论文（Hough变换和3D SURF用于稳健的三维分类），它谈到了对SURF的3D扩展，这将是一个开始，但我找不到有关该3D扩展的任何信息。即便如此，问题仍然是这种扩展对BRISK或其他当前算法的可行性。
所以，请告诉我如何继续的建议。
答案 0 :(得分：1)
它被称为极线几何和立体匹配。
1）您需要生成3D点云的两个图像（2D）。 2）从这两个图像中，您可以创建基本矩阵，然后生成极线点。如果你在MATLAB中这样做很容易，不确定OpenCV。 3）来自两个单独图像的那些极线点将绘制线到3D世界。
我建议你阅读关于2D的极线几何和立体匹配 - ＆gt; 3D