关键点也称为兴趣点，它是2D图像或是3D点云或者曲面模型上，可以通过定义检测标准来获取的具有稳定性，区别性的点集，从技术上来说，关键点的数量相比于原始点云或图像的数据量减小很多，与局部特征描述子结合在一起，组成关键点描述子常用来形成原始数据的表示，而且不失代表性和描述性，从而加快了后续的识别，追踪等对数据的处理了速度，故而，关键点技术成为在2D和3D 信息处理中非常关键的技术
NARF(Normal Aligned Radial Feature)关键点是为了从深度图像中识别物体而提出的，对NARF关键点的提取过程有以下要求：
a) 提取的过程考虑边缘以及物体表面变化信息在内；
b)在不同视角关键点可以被重复探测；
c)关键点所在位置有足够的支持区域，可以计算描述子和进行唯一的估计法向量。
其对应的探测步骤如下：
(1) 遍历每个深度图像点，通过寻找在近邻区域有深度变化的位置进行边缘检测。
(2) 遍历每个深度图像点，根据近邻区域的表面变化决定一测度表面变化的系数，及变化的主方向。
(3) 根据step(2)找到的主方向计算兴趣点，表征该方向和其他方向的不同，以及该处表面的变化情况，即该点有多稳定。
(4) 对兴趣值进行平滑滤波。
(5) 进行无最大值压缩找到的最终关键点，即为NARF关键点。
关于NARF的更为具体的描述请查看这篇博客www.cnblogs.com/ironstark/p/5051533.html。
PCL中keypoints模块及类的介绍
（1）class pcl::Keypoint<PointInT,PointOutT> 类keypoint是所有关键点检测相关类的基类，定义基本接口，具体实现由子类来完成，其继承关系时下图：
具体介绍：
virtual void
设置搜索时所用搜索点云，cloud为指向点云对象的指针引用
void
int
采用setSearchMethod设置搜索对象，以及setSearchSurface设置搜索点云，进行近邻搜索，返回近邻在点云中的索引向量，
indices以及对应的距离向量distance其中为查询点的索引，parameter为搜索时所用的参数半径或者K
（2）class pcl::HarrisKeypoint2D<PointInT,PointOutT,IntensityT>
类HarrisKeypoint2D实现基于点云的强度字段的harris关键点检测子，其中包括多种不同的harris关键点检测算法的变种，其关键函数的说明如下：
重构函数，method需要设置采样哪种关键点检测方法，有HARRIS，NOBLE，LOWE，WOMASI四种方法，默认为HARRIS，window_width window_height为检测窗口的宽度和高度min_distance 为两个关键点之间 容许的最小距离，threshold为判断是否为关键点的感兴趣程度的阀值，小于该阀值的点忽略，大于则认为是关键点
（3）pcl::HarrisKeypoint3D< PointInT, PointOutT, NormalT >
类HarrisKeypoint3D和HarrisKeypoint2D类似，但是没有在点云的强度空间检测关键点，而是利用点云的3D空间的信息表面法线向量来进行关键点检测，关于HarrisKeypoint3D的类与HarrisKeypoint2D相似，除了
重构函数，method需要设置采样哪种关键点检测方法，有HARRIS，NOBLE，LOWE，WOMASI四种方法，默认为HARRIS，radius为法线估计的搜索半径，threshold为判断是否为关键点的感兴趣程度的阀值，小于该阀值的点忽略，大于则认为是关键点。
（4）pcl::HarrisKeypoint6D< PointInT, PointOutT, NormalT >
类HarrisKeypoint6D和HarrisKeypoint2D类似，只是利用了欧式空间域XYZ或者强度域来候选关键点，或者前两者的交集，即同时满足XYZ域和强度域的关键点为候选关键点，
（5）pcl::SIFTKeypoint< PointInT, PointOutT >
类SIFTKeypoint是将二维图像中的SIFT算子调整后移植到3D空间的SIFT算子的实现，输入带有XYZ坐标值和强度的点云，输出为点云中的SIFT关键点，其关键函数的说明如下：
设置搜索时与尺度相关的参数，min_scale在点云体素尺度空间中标准偏差，点云对应的体素栅格中的最小尺寸
int nr_octaves是检测关键点时体素空间尺度的数目，nr_scales_per_octave为在每一个体素空间尺度下计算高斯空间的尺度所需要的参数
（6）还有很多不再一一介绍
实例分析
实验实现提取NARF关键点，并且用图像和3D显示的方式进行可视化，可以直观的观察关键点的位置和数量 narf_feature_extraction.cpp：
运行结果：
未完待续**********************88888
有兴趣这可以扫描下面的二维码关注公众号与我交流，