- 博客(2)
- 收藏
- 关注
原创 点云聚类算法总结---点云小白论文艰辛之路2
最近一段时间一直在忙论文,好在把论文大框架已经确定,后续就是细节上的修改以及创新。在下面的一段时间我会不定期的分享一下我论文中尝试过的各个方法的使用感。本篇重点介绍一下点云的聚类方法,我尝试了DBSCAN 聚类、区域增长聚类以及K-means聚类这三类聚类方法,下面依次进行总结。1.DBSCAN---以点的密度大小进行聚类1.1基本概念:初始设定两个值:minPts以及半径r核心对象:若一个点的r邻域内点的个数大于等于minPts,我们就称该点为一个核心对象直接密度可达:若某点p在核心
2021-08-17 17:41:42 9069 2
原创 点云滤波器分离地面算法总结---点云小白论文艰辛之路1
本人在香港某高校读研究生,头疼脑热的选择了Lidar方向。最后的论文方向是建筑物边界的提取。我并没有一点编程基础以及点云知识储备,所以要从头开始学起,就在这里每天记录一下学习过程以及遇到的问题和想法。进入正题:在获取到新鲜的点云数据之后,想要获取单纯的建筑物点云,第一步就是去除地面点数据。经过我的学习,我最开始分别用了三种方法:区域增长学习法,SACsegmentation滤波器法以及渐进式形态学滤波器法。一.三种方法的PCL代码(可直接复制使用)1.1 region_growing_segm
2021-06-25 19:19:59 4145 9
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人