使用opencv实现Forstner点特征提取过程： 计算某一窗口内各个像元的Robert’s梯度 计算一定窗口中灰度的协方差矩阵 计算兴趣值q与w 确定待选点 选取候选点中的极值点作为特征点（抑制局部非最大）

ICP 算法将两个点云作为输入并返回刚性变换（旋转矩阵 R 和平移向量 T），以最好地对齐点云。 例子： [R,T] = ICP(q,p,10); 使用算法的 10 次迭代将 p 的点与点 q 对齐。 然后使用转换应用R*p + repmat(T,1,length(p)); 该文件实现了点对点和点对平面以及一些其他功能，例如外推、加权函数、边缘点拒绝等。 有关 ICP 算法和实现的变体的介绍性文本，请参阅http://www2.imm.dtu.dk/~jakw/publications/bscthesis.pdf Hans Martin Kjer & Jakob Wilm -- PET 运动校正的表面配准算法评估

点特征提取算法，moravec和forstner，基于bmpfile类，获取bmp图像操作，提取的点为白色十字

主要描述了摄影测量中，点特征提取，线特征提取，影像匹配等方法。

图像特征点中心定位是位姿测量中求解位姿的关键.针对同一图像有多个几何形状的问题，首先利用开源计算机视觉库OpenCV对原图像进行区域分割，得到目标区域的边缘，其次将每个区域进行像素填充；然后用Harris算法进行角点检测；最后根据角点坐标再计算中心点，并将文中算法就一幅图像中有单个几何形状的情况与原始Harris和改进的Harris算法从准确率和效率上进行了比较.实验证明，这种中心定位算法不但提高了准确率和效率，而且误差可以减小到1个像素以内.

使用VC++实现莫拉维克算子，提取特征点的位置

点特征提取 1.1点特征提取的相关概念 点云的点特征就是指点云数据中能够表示实体几何特性或纹理特征的点的集合。如边界轮廓线的拐角点或折点，曲线及曲面边界之间的交叉点，三个及以上相临曲面的公共点等，通过这些点，可以对点云各个局部曲面之间的拓扑关系的建立进行约束和优化。

此代码基于MFC编程，在VS2013下可以运行，用Opencv+OpenGL求取obj点云模型的脊谷点（特征点），注释清晰明了！

针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高密集点云上的配准效率和精度均有所提高。

FingerNet：An Unified Deep Network for Fingerprint Minutiae Extraction