GASD是一種全域性描述子，其構建方法如下:

第一步是估計點雲的參考系，計算點雲與標準座標系對齊的變換，使描述符有位姿不變性。對齊後，根據三維點的空間分佈計算點雲的形狀描述符。還可以加入點雲上的顏色分佈，從而獲得具有更高分辨能力的形狀和顏色描述符(圖1中心)。然後通過匹配部分檢視的查詢和訓練描述符來執行物件識別。每個被識別物件的位姿也從匹配查詢和訓練部分檢視的對齊變換中計算出來。所有這些步驟將在下面的小節中詳細介紹。

A. Reference Frame Estimation

利用PCA（主成分分析）建立參考系，最小的特徵值對應的特徵向量作為座標系的z軸，為了保證z軸指向觀察點，如果z軸和觀察方向不同（根據夾角範圍判斷），就捨棄（然後呢？）。最大的特徵值對應的特徵向量作為座標系的z軸，y軸通過x軸和z軸叉乘得到。得到座標軸就可以獲取點雲在估計座標系下的描述。

B. Shape Description

從原點開始將空間分成ms*ms*ms格，對於每個網格單元，統計其中點的數量，形成一個直方圖。每個樣本對直方圖的貢獻是相對於雲中的總點數標準化的（不同的識別過程可能採集的點雲點數不同，標準化排除這個因素產生的干擾）。可選地，可以使用三線性插值將每個樣本的值分佈到相鄰的單元格中，以避免在樣本從一個單元格移動到另一個單元格時可能導致直方圖突變的邊界效應（不同的識別過程有些點可能落在其他格中？？）。然後將計算出的直方圖串聯起來得到描述符。

C. Shape and Color Description

顏色資訊也可以被合併到描述符，以增加其鑑別能力。描述符的顏色部分與形狀部分類似，網格大小為mc *mc *mc，但是根據屬於它的點的顏色為每個單元生成顏色直方圖（mc是ms的偶數倍？相等似乎更直接）。點雲顏色用HSV空間表示，色度用l個bins以直方圖的形式累加（？？shape和color怎麼對應）。與形狀分量計算類似，對點的數量進行標準化。此外，還可以對直方圖樣本進行二次插值。形狀和顏色元件連線在一起，形成最終的描述符。

HSV:

色調H:用角度度量，取值範圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°。它們的補色是：黃色為60°，青色為180°,品紅為300°；

飽和度S:飽和度S表示顏色接近光譜色的程度。一種顏色，可以看成是某種光譜色與白色混合的結果。其中光譜色所佔的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高。飽和度高，顏色則深而豔。光譜色的白光成分為0，飽和度達到最高。通常取值範圍為0%～100%，值越大，顏色越飽和。

明度:V明度表示顏色明亮的程度，對於光源色，明度值與發光體的光亮度有關；對於物體色，此值和物體的透射比或反射比有關。通常取值範圍為0%（黑）到100%（白）。

D. Descriptor Matching and Pose Estimation

查詢和訓練描述符使用最近鄰搜尋方法匹配。然後，對於每個匹配的物件例項，使用從各自查詢和訓練部分檢視的參考座標系中獲得的對齊轉換計算一個粗略的位姿。給定[Rqjtq]和[Rt|tt]分別對查詢進行對齊和訓練區域性檢視的變換，得到目標粗位姿[Rc|tc]：

視點的方向不能改變嗎？視點是固定的座標系，Rc是測試點雲到訓練點雲的變換。

然後，可以使用迭代最近點(ICP)演算法對粗估計姿態進行細化。

關於顏色描述的具體細節可在論文實驗部分找到：

Different configurations of (GASD-S, ms = 6) extended with color information were also tested, considering versions
with (GASD-SCI) and without (GASD-SC) interpolation and different values of mc and l. The best configuration was
GASD-SC with mc = 4 and l = 12, as shown in Fig. 9, resulting in a final descriptor that contains 216+4*4*4*12 =
984 elements.

可以看出顏色和形狀描述是獨立的。將色度分為l個區間，統計格子中落入每個顏色區間的個數。

參考文獻：An Efficient Global Point Cloud Descriptor for Object Recognition and Pose Estimation