# 三维点云处理：SHOT 局部特征描述子——球面分区与方向直方图
SHOT（Signature of Histograms of OrienTations）是 Tombari 等人于 2010 年提出的三维局部特征描述子。相比 FPFH 仅编码点对之间的角度统计，SHOT 通过球面空间分区同时编码了局部表面的几何形状（法向量方向分布）和空间结构（点在球形分区中的分布），是目前综合性能最优的描述子之一。
一、SHOT 的核心设计理念
1.1 空间-角度双重编码
SHOT 在一个以关键点为中心的球形支撑区域内，将空间划分为若干个子区域，并在每个子区域内统计法向量方向的直方图：
总计: 2 (径向) × 8 (方位角) × 2 (仰角) = 32 个空间分区。
每个空间分区内统计一个 11 bin 的法向量方向直方图（用法向量与关键点法向量的夹角量化）。
最终 SHOT 描述子维度： 维。
1.2 与 FPFH 的本质区别
FPFH 告诉你"邻域内法向量整体偏转多少度"，但丢失了"在哪个方向偏转"的空间信息。SHOT 通过空间分区保留了这些信息，区分力显著更高。
二、局部参考坐标系（LRF）
2.1 为什么需要 LRF？对抗 SE(3) 刚体变换的利器
在三维空间中，同一个物体在不同扫描视角下会产生任意的 SE(3) 刚体变换（包含 3 自由度平移与 3 自由度旋转）。如果直接使用全局世界坐标系 来统计直方图，一旦物体发生旋转，描述子将面目全非。
为了获得绝对的旋转平移不变性，SHOT（以及所有高级描述子）必须为每个关键点建立一个唯一的、可重复的局部参考坐标系（Local Reference Frame, LRF）。
- 对抗平移 (Translation Invariance)：将关键点 强制设为 LRF 的原点 。所有邻域点仅保留相对向量 ，从而彻底消除平移的影响。
- 对抗旋转 (Rotation Invariance)：利用局部曲面的内蕴几何特征（如主法线方向、最大曲率方向）来建立 三个正交局部坐标轴。当全局物体发生旋转时，这些局部几何特征会“紧紧咬合”在物体表面并随之一同精准旋转。
- 降维打击：所有邻域点均被投影到这个随动旋转的 LRF 中，此时它们的局部坐标完全摆脱了全局位姿的干扰，实现了真正的“视角无关”。
2.2 LRF 的构建——加权 PCA + 符号消歧
LRF 的三轴构建过程：
计算加权协方差矩阵（距离关键点越近权重越大）：
特征分解得到正交方向，但特征向量的符号存在歧义（ 和 都是特征向量）。
符号消歧（Sign Disambiguation）：对于每个特征向量 ，统计邻域点在该方向上的分布偏向：
如果 ，则将 反转为 。这确保了 LRF 三轴的符号一致性。
2.3 LRF 实现的代码
def compute_shot_lrf(points, query_idx, radius):
"""
为 SHOT 描述子计算局部参考坐标系。
:param points: N x 3
:param query_idx: 关键点索引
:param radius: 支撑半径
:return: LRF 的 3x3 旋转矩阵 (列为主轴)
"""
p_q = points[query_idx]
# 1. 半径搜索
dists = np.linalg.norm(points - p_q, axis=1)
mask = dists < radius
neighborhood = points[mask]
neighborhood_dists = dists[mask]
if len(neighborhood) < 10:
return np.eye(3)
# 2. 加权协方差矩阵
weights = radius - neighborhood_dists
weights = weights / weights.sum()
centered = neighborhood - p_q
cov = np.zeros((3, 3))
for j, pt in enumerate(centered):
cov += weights[j] * np.outer(pt, pt)
# 3. 特征分解
eigenvalues, eigenvectors = np.linalg.eigh(cov) # 升序
# 4. 符号消歧
for k in range(3):
v_k = eigenvectors[:, k]
projections = centered @ v_k
n_pos = np.sum(projections >= 0)
n_neg = np.sum(projections < 0)
if n_pos < n_neg:
eigenvectors[:, k] = -v_k
return eigenvectors三、SHOT 描述子的构造
3.1 球面分区
在 LRF 中对邻域点进行空间分区：
- 径向 (Radial)：2 份（inner sphere + outer shell）
- 仰角 (Elevation)：2 份（upper + lower hemisphere）
- 方位角 (Azimuth)：8 份（每份 45°）
3.2 每个分区内的方向直方图
在每个空间分区内，统计该分区内所有点的法向量与关键点法向量之间的夹角余弦 的分布，量化为 11 bins：
3.3 插值策略（避免边界效应）
SHOT 对每个邻域点使用三线性插值（trilinear interpolation）将其贡献分配到相邻的分区中，避免空间分区边界处的硬分配导致的量化伪影。
3.4 Python 实现
def compute_shot_descriptor(points, normals, query_idx, radius=0.1,
n_radial=2, n_elevation=2, n_azimuth=8, n_bins=11):
"""
计算单个关键点的 SHOT 描述子 (简化版，无插值)。
:return: 352 维描述子向量
"""
p_q = points[query_idx]
n_q = normals[query_idx]
n_q = n_q / (np.linalg.norm(n_q) + 1e-10)
# 1. 搜索支撑域
dists = np.linalg.norm(points - p_q, axis=1)
mask = dists < radius
neighbors = points[mask]
neighbor_normals = normals[mask]
neighbor_dists = dists[mask]
if len(neighbors) < 10:
return np.zeros(n_radial * n_elevation * n_azimuth * n_bins)
# 2. 计算 LRF
lrf = compute_shot_lrf(points, query_idx, radius)
# 3. 转换到 LRF 坐标系
local_neighbors = (neighbors - p_q) @ lrf # 旋转到 LRF
local_normals = neighbor_normals @ lrf
# 4. 对每个邻域点进行分区和累加
descriptor = np.zeros((n_radial, n_elevation, n_azimuth, n_bins))
for j, pt in enumerate(local_neighbors):
r = np.linalg.norm(pt)
if r < 1e-10:
continue
# 径向分区
r_idx = 0 if r < radius / 2 else 1
r_idx = min(r_idx, n_radial - 1)
# 仰角分区 (基于 z 坐标的符号)
e_idx = 0 if pt[2] >= 0 else 1
# 方位角分区 (基于 xy 平面中的角度)
azimuth = np.arctan2(pt[1], pt[0]) # (-π, π)
azimuth = (azimuth + np.pi) / (2 * np.pi) # (0, 1)
a_idx = int(azimuth * n_azimuth) % n_azimuth
# 法向量夹角
cos_theta = np.dot(local_normals[j], n_q @ lrf)
cos_theta = np.clip(cos_theta, -1.0, 1.0)
b_idx = int((cos_theta + 1.0) / 2.0 * n_bins)
b_idx = np.clip(b_idx, 0, n_bins - 1)
descriptor[r_idx, e_idx, a_idx, b_idx] += 1
# 5. L2 归一化
desc_flat = descriptor.ravel()
norm = np.linalg.norm(desc_flat)
if norm > 1e-10:
desc_flat = desc_flat / norm
return desc_flat四、SHOT vs FPFH 对比总结
描述能力对比示意
场景: 一个点云中的"台阶"结构 (平面 + 垂直面)
FPFH 描述子 SHOT 描述子
α 分布: ██░░░░░░░░ 分区 [0,0,0]: ████░░░░░░░ (台阶顶面)
φ 分布: ██████░░░░ 分区 [0,0,1]: ██░░████░░░ (左上角点集)
θ 分布: ███░░░░░░░ 分区 [1,0,0]: ░░░░████░░ (台阶立面)
分区 [1,1,0]: ██░░░░░░██ (右下角点集)
分区 ...
───────────────────── ──────────────────────────
只告诉你"法向量偏了多少度" 告诉你"在哪个方向偏了多少度"
无法区分对称结构 可以区分空间上不同的相似形状| 维度 | FPFH | SHOT |
|---|---|---|
| 描述子维度 | 33 | 352 |
| 空间信息 | ❌ 不保留 | ✅ 球面网格分区 |
| LRF 需求 | ❌（Darboux 框架隐式处理） | ✅（需要显式建立 LRF） |
| 旋转不变性 | ✅ | ✅（通过 LRF） |
| 噪声鲁棒性 | 好 | 极好（分区 + 直方图平滑） |
| 匹配精度 | 中等 | 高（尤其是结构丰富的场景） |
| 计算速度 | 极快 | 较快（比 PFH 快，比 FPFH 慢） |
| 存储开销 | 33 维 × 4 bytes | 352 维 × 4 bytes（大 10 倍） |
五、使用 Open3D 的 SHOT 实现
注意：截至 Open3D 0.18，SHOT 需要从源码编译开启
WITH_OPENMP和点云特征模块。
# 三维点云处理（二十二）：SHOT 局部特征描述子
# 以下是概念性代码示意
def pcl_shot_example(source_pcd, target_pcd):
"""
使用 PCL (Python-PCL) 进行 SHOT 特征匹配（概念示意）。
实际项目中使用 pclpy 或 Open3D + FPFH 作为替代。
"""
# import pclpy
# shot_est = pclpy.shot.ShOTEstimation()
# ...
pass在实践中，由于 SHOT 的描述子维度较高（352 维），特征匹配的存储和计算成本都高于 FPFH。对于大多数配准场景，FPFH + ICP 的组合已经足够精确。SHOT 更适用于需要高区分力的三维物体识别场景。
六、总结
| 概念 | 要点 |
|---|---|
| SHOT 设计 | 球面空间分区（32 格）× 法向量方向直方图（11 bins）= 352 维 |
| LRF | 加权 PCA + 符号消歧 → 可重复的局部坐标系 |
| 核心优势 | 同时编码几何（法向量方向）和空间（哪个分区）信息 |
| 核心代价 | 高维（352 vs FPFH 的 33）、需要稳定 LRF |
| 适用场景 | 高精度三维物体识别、对空间结构敏感的特征匹配 |
特征点检测与描述的学习到此结束。从下一章开始，我们将进入三维点云处理的最后一个核心模块——点云配准，学习如何将不同视角的点云对齐到同一坐标系下。