feature_register op• 데이터 종류: points × normals → descriptor
• 호출: import fullseye as fs; fs.ledger.shot_descriptor(points, normals, kp_idx, tree, radius, n_azim=8, n_elev=2, n_rad=2, n_cos=11)(구현을 직접 호출하려면 import feat_shot; feat_shot.shot_descriptor(points, normals, kp_idx, tree, radius, n_azim=8, n_elev=2, n_rad=2, n_cos=11), 원장에서 가져오려면 ops3d.get("shot_descriptor"))
SHOT 기술자(Tombari 2010). 각 키포인트에 LRF 를 세우고 구형 지지를 취합니다.
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
径2×仰角2×方位8=32 空間セルに分割、各セルで「LRF z 軸と近傍点法線の
cos角」を n_cos=11 ビンのヒストグラムに quadrilinear 補間で蓄積 → 32×11=352
次元を L2 正規化。返り値 (Kp,352)。LRF 不能な点は零ベクトル。
Raises ValueError: normals の行数が points と一致しない場合(別点群の法線を
混ぜると近傍 index が範囲を越え生 IndexError になる — compute_fpfh と同クラス)。
引数: `points (N,3)、normals (N,3) 単位法線、kp_idx` はキーポイントの点
インデックス(`iss_keypoints の出力)、tree は points` から作った
`scipy.spatial.cKDTree(呼び出し側で用意する)、radius` は支持半径(LRF 推定と
近傍集めの両方に使う)。`n_azim・n_elev・n_rad・n_cos` を変えると次元は
`n_azim*n_elev*n_rad*n_cos` になる。
手順: LRF は距離重み `max(radius-d, 0)` 付き共分散の固有ベクトル(x=最大、z=最小
固有値)を近傍多数派の符号に揃えて右手系化する。近傍が 5 点未満、または LRF が縮退した
キーポイントは零ベクトルのまま(マッチング側で除外される)。各近傍点は径・仰角
(`arccos(qz/r)/π`)・法線 cos 角をビン中心 0.5 基準で線形補間、方位は円環で wrap
して蓄積し、最後に行ごと L2 正規化する。返り値は float64 `(len(kp_idx), 次元)`。
2 雲を比較するときは両側で同じ `radius` と同じ法線符号則を使うこと(法線の向きが
反転すると cos 角ヒストグラムが裏返る)。`register_shot` がこの関数を両雲に適用し、
マッチングと RANSAC まで行う。
• blas_threads_and_memory — 行列分解が遅い理由の知識 — BLAS スレッド・キャッシュ・メモリ配置
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• feature_register — py -3.11 examples_3d/feature_register.py
descriptor 를 입력으로 받는 것)fuse_to_voxel · shape_distance
feature_register)harris3d_keypoints · iss_keypoints · compute_fpfh · register_spin · register_fpfh · register_shot
*Provenance: feat_shot.py — 3D 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.