关键点也称为兴趣点，它是2D图像、3D点云或曲面模型上，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小很多，它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紧凑表示，而且不失代表性与描述性，从而可以加快后续识别、追踪等对数据的处理速度。关键点提取是2D与3D信息处理中不可或缺的关键技术。

NARF(NormalAlignedRadialFeature)关键点是为了从深度图像中提取物体提出的。NARF关键点提取要求：提取过程必须将边缘以及物体表面变化信息考虑在内；关键点位置必须稳定，可以在不同视角时被重复探测；关键点所在位置必须有稳定的支持区域，可以计算描述子并进行唯一的法向量估计。提取步骤：

曲面的法向量（曲面的法向量怎么求）

遍历每个深度图像点，通过寻找在近邻区域有深度突变的位置进行边缘检测。

遍历每个深度图像点，根据近邻区域的表面变化决定一种测度表面变化的系数，以及变化的主方向。

根据第二步找到的主方向计算兴趣值，表征该方向与其他方向的不同，以及该处表面的变化情况，即该点有多稳定。

对兴趣值进行平滑过滤。

进行无最大值压缩找到最终的关键点，即为NARF关键点。

从距离图像中提取NARF关键点

启用了narf_keypoint_detector.getParameters().add_points_on_straight_edges=true;的结果