《PCL点云库学习&VS2010(X64)》Part 11 PCL1.72（VTK6.2.0）点特征描述与提取

最新推荐文章于 2023-10-20 14:18:41 发布
最新推荐文章于 2023-10-20 14:18:41 发布
阅读量3k 收藏 2
点赞数 2
分类专栏： 《PCL点云库 C++ 》 文章标签： pcl1.7.2 NARF keypoint_extraction
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_24206709/article/details/51731992
版权

Part 11 PCL1.72（VTK6.2.0）点特征描述与提取

1、NARF_Feature_Extraction

cpp

/* \author Bastian Steder */
#include <iostream>
#include <boost/thread/thread.hpp>
#include <pcl/range_image/range_image.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/features/range_image_border_extractor.h>
#include <pcl/keypoints/narf_keypoint.h>
#include <pcl/features/narf_descriptor.h>
#include <pcl/console/parse.h>

#include "vtkImageViewer.h"
#include "vtkInteractionImageModule.h"
#include "vtkInteractionWidgetsModule.h"
typedef pcl::PointXYZ PointType;
// -----参数-----
// --------------------
float angular_resolution = 0.5f;
float support_size = 0.2f;
pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
bool setUnseenToMaxRange = false;
bool rotation_invariant = true;

// -----帮助-----
void 
printUsage (const char* progName)
{
  std::cout << "\n\nUsage: "<<progName<<" [options] <scene.pcd>\n\n"
            << "Options:\n"
            << "-------------------------------------------\n"
            << "-r <float>   angular resolution in degrees (default "<<angular_resolution<<")\n"
            << "-c <int>     coordinate frame (default "<< (int)coordinate_frame<<")\n"
            << "-m           Treat all unseen points to max range\n"
            << "-s <float>   support size for the interest points (diameter of the used sphere - "
                                                                  "default "<<support_size<<")\n"
            << "-o <0/1>     switch rotational invariant version of the feature on/off"
            <<               " (default "<< (int)rotation_invariant<<")\n"
            << "-h           this help\n"
            << "\n\n";
}

//void 
//setViewerPose (pcl::visualization::PCLVisualizer& viewer, const Eigen::Affine3f& viewer_pose)
//{
//  Eigen::Vector3f pos_vector = viewer_pose * Eigen::Vector3f (0, 0, 0);
//  Eigen::Vector3f look_at_vector = viewer_pose.rotation () * Eigen::Vector3f (0, 0, 1) + pos_vector;
//  Eigen::Vector3f up_vector = viewer_pose.rotation () * Eigen::Vector3f (0, -1, 0);
//  viewer.camera_.pos[0] = pos_vector[0];
//  viewer.camera_.pos[1] = pos_vector[1];
//  viewer.camera_.pos[2] = pos_vector[2];
//  viewer.camera_.focal[0] = look_at_vector[0];
//  viewer.camera_.focal[1] = look_at_vector[1];
//  viewer.camera_.focal[2] = look_at_vector[2];
//  viewer.camera_.view[0] = up_vector[0];
//  viewer.camera_.view[1] = up_vector[1];
//  viewer.camera_.view[2] = up_vector[2];
//  viewer.updateCamera ();
//}
// -----主函数-----
// --------------
int 
main (int argc, char** argv)
{
  // -----解析命令行参数-----
  if (pcl::console::find_argument (argc, argv, "-h") >= 0)
  {
    printUsage (argv[0]);
    return 0;
  }
  if (pcl::console::find_argument (argc, argv, "-m") >= 0)
  {
    setUnseenToMaxRange = true;
    cout << "Setting unseen values in range image to maximum range readings.\n";
  }
  if (pcl::console::parse (argc, argv, "-o", rotation_invariant) >= 0)
    cout << "Switching rotation invariant feature version "<< (rotation_invariant ? "on" : "off")<<".\n";
  int tmp_coordinate_frame;
  if (pcl::console::parse (argc, argv, "-c", tmp_coordinate_frame) >= 0)
  {
    coordinate_frame = pcl::RangeImage::CoordinateFrame (tmp_coordinate_frame);
    cout << "Using coordinate frame "<< (int)coordinate_frame<<".\n";
  }
  if (pcl::console::parse (argc, argv, "-s", support_size) >= 0)
    cout << "Setting support size to "<<support_size<<".\n";
  if (pcl::console::parse (argc, argv, "-r", angular_resolution) >= 0)
    cout << "Setting angular resolution to "<<angular_resolution<<"deg.\n";
  angular_resolution = pcl::deg2rad (angular_resolution);
// -----读取pcd文件，或者如果没有给出，则创建一个样本点云-----
  pcl::PointCloud<PointType>::Ptr point_cloud_ptr (new pcl::PointCloud<PointType>);
  pcl::PointCloud<PointType>& point_cloud = *point_cloud_ptr;
  pcl::PointCloud<pcl::PointWithViewpoint> far_ranges;
  Eigen::Affine3f scene_sensor_pose (Eigen::Affine3f::Identity ());
  std::vector<int> pcd_filename_indices = pcl::console::parse_file_extension_argument (argc, argv, "pcd");
  if (!pcd_filename_indices.empty ())
  {
    std::string filename = argv[pcd_filename_indices[0]];
    if (pcl::io::loadPCDFile (filename, point_cloud) == -1)
    {
      cerr << "Was not able to open file \""<<filename<<"\".\n";
      printUsage (argv[0]);
      return 0;
    }
    scene_sensor_pose = Eigen::Affine3f (Eigen::Translation3f (point_cloud.sensor_origin_[0],                                                               point_cloud.sensor_origin_[1],                                             point_cloud.sensor_origin_[2])) *
                        Eigen::Affine3f (point_cloud.sensor_orientation_);
    std::string far_ranges_filename = pcl::getFilenameWithoutExtension (filename)+"_far_ranges.pcd";
    if (pcl::io::loadPCDFile (far_ranges_filename.c_str (), far_ranges) == -1)
      std::cout << "Far ranges file \""<<far_ranges_filename<<"\" does not exists.\n";
  }
  else
  {
    setUnseenToMaxRange = true;
    cout << "\nNo *.pcd file given => Genarating example point cloud.\n\n";
    for (float x=-0.5f; x<=0.5f; x+=0.01f)
    {
      for (float y=-0.5f; y<=0.5f; y+=0.01f)
      {
        PointType point;  point.x = x;  point.y = y;  point.z = 2.0f - y;
        point_cloud.points.push_back (point);
      }
    }
    point_cloud.width = (int) point_cloud.points.size ();  point_cloud.height = 1;
  }
 // -----从点云中创建深度图像----
float noise_level = 0.0;
  float min_range = 0.0f;
  int border_size = 1;
  boost::shared_ptr<pcl::RangeImage> range_image_ptr (new pcl::RangeImage);
  pcl::RangeImage& range_image = *range_image_ptr;   
  range_image.createFromPointCloud (point_cloud, angular_resolution, pcl::deg2rad (360.0f), pcl::deg2rad (180.0f),
                                   scene_sensor_pose, coordinate_frame, noise_level, min_range, border_size);
  range_image.integrateFarRanges (far_ranges);
  if (setUnseenToMaxRange)
    range_image.setUnseenToMaxRange ();
  
  // -----打开三维观察仪并加入点云-----
  pcl::visualization::PCLVisualizer viewer ("3D Viewer");
  viewer.setBackgroundColor (1, 1, 1);
  pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> range_image_color_handler (range_image_ptr, 0, 0, 0);
  viewer.addPointCloud (range_image_ptr, range_image_color_handler, "range image");
  viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "range image");
  viewer.initCameraParameters ();
 // setViewerPose (viewer, range_image.getTransformationToWorldSystem ());  
  // -----显示深度图像-----
  pcl::visualization::RangeImageVisualizer  range_image_widget ("Range image");
  range_image_widget.showRangeImage (range_image);
  // -----提取 NARF 关键点-----
  pcl::RangeImageBorderExtractor range_image_border_extractor;
  pcl::NarfKeypoint narf_keypoint_detector;
  narf_keypoint_detector.setRangeImageBorderExtractor (&range_image_border_extractor);
  narf_keypoint_detector.setRangeImage (&range_image);
  narf_keypoint_detector.getParameters ().support_size = support_size;
  
  pcl::PointCloud<int> keypoint_indices;
  narf_keypoint_detector.compute (keypoint_indices);
  std::cout << "Found "<<keypoint_indices.points.size ()<<" key points.\n";
  // -----在深度图像窗口显示关键点-----
  //for (size_t i=0; i<keypoint_indices.points.size (); ++i)
    //range_image_widget.markPoint (keypoint_indices.points[i]%range_image.width,
                                  //keypoint_indices.points[i]/range_image.width);
// -----在三维视图中显示关键点 -----
    pcl::PointCloud<pcl::PointXYZ>::Ptr keypoints_ptr (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointCloud<pcl::PointXYZ>& keypoints = *keypoints_ptr;
  keypoints.points.resize (keypoint_indices.points.size ());
  for (size_t i=0; i<keypoint_indices.points.size (); ++i)
    keypoints.points[i].getVector3fMap () = range_image.points[keypoint_indices.points[i]].getVector3fMap ();
  pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> keypoints_color_handler (keypoints_ptr, 0, 255, 0);
  viewer.addPointCloud<pcl::PointXYZ> (keypoints_ptr, keypoints_color_handler, "keypoints");
  viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 7, "keypoints");
  // -----为特征点提取NARF描述子-----
  std::vector<int> keypoint_indices2;
  keypoint_indices2.resize (keypoint_indices.points.size ());
  for (unsigned int i=0; i<keypoint_indices.size (); ++i) 
//要得到正确的向量类型，这一步是必要的
    keypoint_indices2[i]=keypoint_indices.points[i];
  pcl::NarfDescriptor narf_descriptor (&range_image, &keypoint_indices2);
  narf_descriptor.getParameters ().support_size = support_size;
  narf_descriptor.getParameters ().rotation_invariant = rotation_invariant;
  pcl::PointCloud<pcl::Narf36> narf_descriptors;
  narf_descriptor.compute (narf_descriptors);
  cout << "Extracted "<<narf_descriptors.size ()<<" descriptors for "
                      <<keypoint_indices.points.size ()<< " keypoints.\n";
  // -----Main loop-----
  while (!viewer.wasStopped ())
  {
range_image_widget.spinOnce ();  
//处理用户交互事件
    viewer.spinOnce ();
    pcl_sleep(0.01);
  }
}
运行：



2、NARF_Keypoint_Extraction

可以移植到Qt中，注意变量设置和参数定义，读取文件时保持与成员变量一致，后面的循环可以丢掉。

配置的时候可能会提示缺少下面的头文件，找到头文件，加上去即可：

#include "vtkImageViewer.h"
#include "vtkInteractionImageModule.h"
#include "vtkInteractionWidgetsModule.h"

narf_keypoint_extraction.cpp:

#include <iostream>

#include <boost/thread/thread.hpp>
#include <pcl/range_image/range_image.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/features/range_image_border_extractor.h>
#include <pcl/keypoints/narf_keypoint.h>
//#include <pcl/console/parse.h>

typedef pcl::PointXYZ PointT_XYZ;

// --------------------
// -----Parameters-----
// --------------------
float angular_resolution = 0.5f;
float support_size = 0.2f;
pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
bool setUnseenToMaxRange = false;


// --------------
// -----Main-----
// --------------
int
main(int argc, char** argv)
{

		setUnseenToMaxRange = true;
		cout << "Setting unseen values in range image to maximum range readings.\n";


	angular_resolution = pcl::deg2rad(angular_resolution);

	// ------------------------------------------------------------------
	// -----Read pcd file or create example point cloud if not given-----
	// ------------------------------------------------------------------
	pcl::PointCloud<PointT_XYZ>::Ptr cloud(new pcl::PointCloud<PointT_XYZ>);
	pcl::PointCloud<PointT_XYZ>& point_cloud = *cloud;
	pcl::PointCloud<pcl::PointWithViewpoint> far_ranges;
	Eigen::Affine3f scene_sensor_pose(Eigen::Affine3f::Identity());

	pcl::io::loadPCDFile("frame_00000.pcd", point_cloud);//frame_00000//bunny


	// -----------------------------------------------
	// -----Create RangeImage from the PointCloud-----
	// -----------------------------------------------
	float noise_level = 0.0;
	float min_range = 0.0f;
	int border_size = 1;
	boost::shared_ptr<pcl::RangeImage> range_image_ptr(new pcl::RangeImage);
	pcl::RangeImage& range_image = *range_image_ptr;
	range_image.createFromPointCloud(point_cloud, angular_resolution, pcl::deg2rad(360.0f), pcl::deg2rad(180.0f),
		scene_sensor_pose, coordinate_frame, noise_level, min_range, border_size);
	range_image.integrateFarRanges(far_ranges);
	if (setUnseenToMaxRange)
		range_image.setUnseenToMaxRange();

	// --------------------------------------------
	// -----Open 3D viewer and add point cloud-----
	// --------------------------------------------
	pcl::visualization::PCLVisualizer viewer("3D Viewer");
	viewer.setBackgroundColor(1, 0.5, 1);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> range_image_color_handler(range_image_ptr, 0, 0, 0);
	viewer.addPointCloud(range_image_ptr, range_image_color_handler, "range image");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "range image");
	//viewer.addCoordinateSystem (1.0f, "global");
	//PointCloudColorHandlerCustom<PointT_XYZ> point_cloud_color_handler (cloud, 150, 150, 150);
	//viewer.addPointCloud (cloud, point_cloud_color_handler, "original point cloud");
	viewer.initCameraParameters();
	//setViewerPose (viewer, range_image.getTransformationToWorldSystem ());

	// --------------------------
	// -----Show range image-----
	// --------------------------
	//pcl::visualization::RangeImageVisualizer range_image_widget("Range image");
	//range_image_widget.showRangeImage(range_image);

	// --------------------------------
	// -----Extract NARF keypoints-----
	// --------------------------------
	pcl::RangeImageBorderExtractor range_image_border_extractor;
	pcl::NarfKeypoint narf_keypoint_detector(&range_image_border_extractor);
	narf_keypoint_detector.setRangeImage(&range_image);
	narf_keypoint_detector.getParameters().support_size = support_size;
	//narf_keypoint_detector.getParameters ().add_points_on_straight_edges = true;
	//narf_keypoint_detector.getParameters ().distance_for_additional_points = 0.5;

	pcl::PointCloud<int> keypoint_indices;
	narf_keypoint_detector.compute(keypoint_indices);
	std::cout << "Found " << keypoint_indices.points.size() << " key points.\n";

	// ----------------------------------------------
	// -----Show keypoints in range image widget-----
	// ----------------------------------------------
	//for (size_t i=0; i<keypoint_indices.points.size (); ++i)
	//range_image_widget.markPoint (keypoint_indices.points[i]%range_image.width,
	//keypoint_indices.points[i]/range_image.width);

	// -------------------------------------
	// -----Show keypoints in 3D viewer-----
	// -------------------------------------
	pcl::PointCloud<pcl::PointXYZ>::Ptr keypoints_ptr(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>& keypoints = *keypoints_ptr;
	keypoints.points.resize(keypoint_indices.points.size());
	for (size_t i = 0; i < keypoint_indices.points.size(); ++i)
		keypoints.points[i].getVector3fMap() = range_image.points[keypoint_indices.points[i]].getVector3fMap();

	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> keypoints_color_handler(keypoints_ptr, 0, 255, 0);
	viewer.addPointCloud<pcl::PointXYZ>(keypoints_ptr, keypoints_color_handler, "keypoints");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 7, "keypoints");

	//--------------------
	// -----Main loop-----
	//--------------------
	while (!viewer.wasStopped())
	{
//		range_image_widget.spinOnce();  // process GUI events
		viewer.spinOnce();
		pcl_sleep(0.01);
	}
}


梁Rio
关注
专栏目录
三维点云处理之特征点提取
LDST_CSDN的博客
04-26 1134
​ 对于图像而言，若某点的像素值相对于其邻域内点的像素值变化较大，则认为该点属于一个关键点，而量化描述该关键点是由其对应的描述子来实现的。Euvxy∈Ω∑​Ixuyv−Ixy2IxuyvIxyu∂x∂I​v∂y∂I​IxyuIx​vIy​Ix​为图像I对像素点xy在x方向的一阶导Iy​为图像I对像素点xy在y方向的一阶导Euvxy∈Ω∑​I。
点云库PCL学习——特征描述与提取（1）
zzh_AI的博客
06-24 1801
点云的识别、分割、重采样、配准、曲面重建等处理的大部分算法，都严重依赖特征描述与提取的结果。 特征向量所满足的条件： 刚体变换——具有平移旋转不变性 改变采样密度——具有抗密度干扰性 噪音——对点云特征具有鲁棒性 通常，PCL中特征向量利用K-d tree 查询。 决定一个查询点的k邻域元素（K-搜索） 在半径r的范围内，确定一个查询点的所有邻元素（半径-搜索） 输入点云调用习惯： ...
点云处理【五】(点云特征提取)
最新发布
略知12的博客
10-20 2273
PFH通过参数化查询点与邻域点之间的空间差异，并形成一个多维直方图对点的k邻域几何属性进行描述。点特征直方图（PFH）表示法是基于点与其k邻域之间的关系以及它们的估计法线，简言之，它考虑估计法线方向之间所有的相互作用，试图捕获最好的样本表面变化情况，以描述样本的几何特征。它的思想在于分别计算查询点的k邻域中每一个点的简化点特征直方图(Simplified Point Feature Histogram,SPFH)，再通过一个公式将所有的SPFH加权成最后的快速点特征直方图。通常点云特征与关键点结合使用。
VTK三维点集轮廓凸包提取
weixin_34392435的博客
04-11 2075
　　碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏及机器人等领域有着广泛的应用，甚至成为关键技术。而包围盒算法是进行碰撞干涉初步检测的重要方法之一。包围盒算法是一种求解离散点集最优包围空间的方法。基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。为物体添加包围体的目的是快速的进行碰撞检测或者进行精确的碰撞检测之前进行过滤（即当包围体碰撞，才进行精确碰撞检测和处理）...
VTK以批量三维点坐标为中心（点云）绘制球体，可用于标识特征点或者是化学分子
HW140701的博客
08-30 6290
在原先的博客VTK读取一个TXT文档中的三维点坐标绘制三维点云基础上，有小伙伴询问是否可以以点云中每一个三维点的坐标为中心绘制一个小的球体，用于标识特征点，这种就让我想到了化学里面的分子结构，所以就在原有博客的基础上进行了改写，实现了点云不是以点的方式而是以小球体形式显示出来，实现了大量球体的同时绘制。 不多说直接贴代码： #include <iostream> #incl...
点云库PCL教程
weixin_43666634的博客
10-30 221
点云处理、计算机视觉、大数据、、人工智能
PCL 点云库学习指南
Evanxxxnnn的博客
10-04 415
PCL 点云库学习指南 资源链接： http://note.youdao.com/noteshare?id=eeaa7cc2553a44d31f971e2f5c6f7012 用有道云笔记就可以打开，是markdown 格式的文件。
PCL VS2013 X64系统配置方法
11-26
### PCL VS2013 X64系统配置方法 #### 概述 本文档将详细介绍如何在Visual Studio 2013 x64环境下配置并编译PCL（Point Cloud Library）及其依赖库的过程。这包括Boost、Eigen、FLANN、QT以及VTK等支持库的编译...
vtk-v6.2.0.zip
09-01
8. **PCL集成**：标签中提到的 PCL（Point Cloud Library）是一个专门处理点云数据的库，VTK 可以与 PCL 结合，共同处理和显示点云数据，实现更复杂的空间数据分析和可视化。 9. **C++接口**：VTK 主要使用 C++ ...
PCL1.7.2+VS2012编译及常见问题
03-07
**PCL**（Point Cloud Library）是一款开源库，专门针对大规模3D点云数据进行处理，提供了一系列算法来实现特征估计、表面重构、配准、分割、识别等任务。为了更好地利用PCL的功能，通常需要与其他第三方库配合使用...
项目实训（7）qt与pcl2：ui显示pcl点云
m0_49088083的博客
04-26 1019
一、序言： 在加载前端界面之前，可以先参考rivz本身加载pcl的方法。 if (ros::isStarted()) { ros::shutdown(); ros::waitForShutdown(); } wait(); ----------------------- bool QNode::init() { ros::init(init_argc_, init_argv_, "qt_slam_ui_node"); if (!r
ubuntu16.04下PCL点云库的最新安装方法与简单测试
热门推荐
qq_43145072的博客
01-06 1万+
1.PCL的安装 在 Ubuntu 1604，PCL库已经存在于公共软件源中，直接安装即可。 sudo apt-get install libpcl-dev 由此即可安装编译好的点云库（PCL-1.7），附带安装了VTK-6.2.0等依赖库。 安装后的编译过程可能会出现库文件vtkproj4.so丢失的问题。为解决该问题可以直接软链接解决。代码如下： sudo ln -s /usr/lib/li...
VTK 拾取VTK窗口内模型上的点(非空白处的点)
4月16！的博客
01-26 1287
https://www.cnblogs.com/21207-iHome/p/9124024.html 这个博客有参考价值，后续会总结补上
PCL点云库学习
sunmaize的博客
08-30 164
PCL point cloud library 安装pcl1.7 快捷命令 sudo apt-get install libpcl-dev 参考链接 https://blog.csdn.net/zy115758521/article/details/79078839 需要安装pcl可视化库 sudo apt-get install libopenni-dev sudo apt-get instal...
PCL（点云库）学习(二）
cchangcs
07-09 1391
本篇博客主要介绍在ROS系统完成PCL的简单示例。 首先在catkin_ws/src目录下创建项目包： catkin_create_pkg demo std_msgs rospy roscpp 到demo目录下创建cloud_viewer.cpp文件 gedit cloud_viewer.cpp 并输入如下代码： #include &lt;pcl/visualiz...
《PCL点云库学习&VS2010(X64)》Part 43 协方差矩阵的特征向量
梁的博客
08-31 7751
《PCL点云库学习&VS2010(X64)》Part 43 协方差矩阵的特征向量 对协方差矩阵的特征向量最直观的解释之一是它总是指向数据方差最大的方向。 更准确地说，第一特征向量是数据方差最大的方向，第二特征向量是与第一特征向量垂直的方向上数据方差最大的方向，第三特征向量是与第一和第二特征向量垂直的方向上数据方差最大的方向，以此类推。 下图是二维空间的一个例子：
《PCL点云库学习&VS2010(X64)》Part 25 PCL点云操作函数汇集
梁的博客
03-31 7695
《PCL点云库学习&VS2010(X64)》Part 25 PCL点云操作函数汇集 一、pcl::copyPointCloud()函数的用法： 1、将索引中的点云复制到pcl::PointXYZ中存储起来。 注：一般滤波算法、RANSAC算法、Cluster算法中都会有索引提取，当然在Cluster提取时要注意，有的Cluster里面是很多聚类后的点云，要分别转存，用迭代器和循环解决。 #
《PCL点云库学习&VS2010(X64)》Part 34 旋转平移矩阵用法
梁的博客
04-23 6844
《PCL点云库学习&VS2010(X64)》Part 34 旋转平移矩阵用法 1、变换与投影矩阵讲解： https://en.wikipedia.org/wiki/Transformation_matrix http://web.iitd.ac.in/~hegde/cad/lecture/L6_3dtrans.pdf 点云变换主要涉及平移、旋转、缩放、反射、剪切、视角转换、投影等，这里
"PCL点云库函数模块学习与深度图像数据处理示例
本文主要介绍点云库PCL（Point Cloud Library）的各个函数模块以及其功能。PCL是一个被广泛应用于点云处理的开源库，提供了丰富的算法和工具，可以在点云领域进行各种操作和分析。 PCL中的commonfeatures模块提供了...
评论 21
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值