4. 点云法向估计与局部特征描述

在工件三维测量流程中，点云配准的第一步往往不是直接寻找对应点，而是先为每个点建立“局部几何身份”。法向、曲率、FPFH、SHOT 等描述子，本质上都是在回答同一个问题：这个点周围的表面长什么样？只有把这个问题回答清楚，后续的粗配准、精配准和误差判定才有稳定的依据。本节围绕这些特征的物理含义、计算方式与适用条件展开，重点说明在工件测量场景下如何选择与组合。

一、法向与曲率：最基础的局部几何量

法向描述的是某点处表面的朝向，曲率描述的是表面在该点附近的弯曲程度。对于平面、圆柱面、球面等规则工件特征，这两个量几乎决定了后续所有几何判断。工程上最常用的法向估计方法是主成分分析（PCA）：对点 p 取邻域 N(p)，计算协方差矩阵 C = Σ(q-p)(q-p)ᵀ，其特征值 λ1 ≥ λ2 ≥ λ3 对应的特征向量中，最小特征值 λ3 对应的方向即为法向方向。曲率则可由特征值近似表达，例如 λ3/(λ1+λ2+λ3) 反映局部平坦程度。

法向估计的关键参数是邻域半径 r 或近邻数 k。半径过小，噪声会让法向剧烈抖动；半径过大，圆柱面与平面交界处的法向会被“抹平”，导致边缘特征丢失。以典型工件测量为例，若点间距约 0.3 mm，平面区域可取 r = 1.0~1.5 mm，而靠近倒角、孔口、台阶边缘时，应缩小到 0.5~0.8 mm，或改用基于曲率自适应邻域的方法。法向方向存在正负二义性，通常约定朝向视点或朝向工件外部，全文与图示必须保持一致。

二、FPFH：快速点特征直方图

FPFH（Fast Point Feature Histogram）由 PFH 简化而来，核心思想是描述点与其邻域点之间的法向夹角关系。对每对点 (p, q)，在 p 的局部坐标系下计算三个角度特征：α、φ、θ，分别刻画法向相对位置、法向夹角和投影方向。PFH 需要遍历邻域内所有点对，复杂度为 O(k²)；FPFH 只计算 p 与邻域点的关系，再对邻域结果加权，复杂度降为 O(k)，因此更适合大规模点云。

FPFH 的输出是一个 33 维直方图（每个角度 11 个区间）。它的优势在于对点云密度变化和轻微噪声较稳健，适合做粗配准的对应点筛选。但它对“大范围几何结构”不敏感：一个平面上的点和另一个平面上形状相似的点，FPFH 可能非常接近。因此，FPFH 更适合有丰富局部起伏的工件，例如带筋板、凹槽、齿形或自由曲面的零件；对于大面积光滑平面或规则回转体，FPFH 的区分力会明显下降。

三、SHOT：方向直方图签名

SHOT（Signature of Histograms of OrienTations）在局部参考系下把邻域划分为多个空间网格，并在每个网格内统计法向方向直方图，最终形成高维描述子（常见 352 维）。与 FPFH 相比，SHOT 显式构造了局部参考系（LRS），对旋转更稳定，且同时编码了空间分布与法向信息，因此在复杂曲面、薄壁件和具有重复结构的工件上通常表现更好。

SHOT 的代价是计算量更大、对参考系估计质量依赖更强。若局部参考系因噪声或对称性发生翻转，描述子会显著失配。因此在实际工程中，SHOT 常与法向估计质量绑定使用：先保证法向一致，再计算 SHOT。对于测量点云，若工件表面存在明显对称结构（如对称孔位、对称槽），SHOT 也可能出现多解，需要结合全局约束或几何一致性检验。

四、在工件配准中的选择与组合

实际工程中很少只用一种特征。一个稳妥的链路是：先用法向和曲率做预处理与区域划分，再用 FPFH 做粗配准获取初始变换，随后用 SHOT 或几何一致性约束剔除误匹配，最后交给 ICP 做精配准。判断特征是否选对，可以观察几个量：对应点距离残差是否收敛、法向夹角一致性是否合理、重叠区域 RMSE 是否稳定、特征匹配内点率是否足够高。若内点率低或残差发散，通常不是 ICP 的问题，而是前面的邻域尺度、法向一致性或描述子维度选择出了问题。

需要特别提醒的是，特征描述子的“适用条件”不是绝对的。同一工件在不同扫描角度、不同点密度、不同噪声水平下，最优特征可能不同。因此建议在正式配准前，先在小范围数据上做一次特征对比试验：固定邻域参数，分别计算 FPFH 和 SHOT 的匹配内点率与耗时，再决定主用哪一种。对于批量测量任务，可以把这套判断固化为参数模板，但每次更换工件类型时仍应重新验证。

五、参数与判断速查

总结来说，法向和曲率是基础，FPFH 适合快速筛选，SHOT 适合复杂结构复核。选择哪一种，取决于工件表面是否有足够的局部几何差异，以及测量点云的质量是否支撑高维描述子的稳定计算。把特征选择与配准结果验证绑定起来，才能让后续的工件测量与精度判定建立在可靠的基础上。