- 博客(41)
- 收藏
- 关注
RSS订阅转载 [转]结构光三维重建基本原理
如果我们对投影仪投射的每个像素点的光进行编码，把编码后的光投射到物体表面上，并通过对相机捕捉到的物体表面光信息进行解码，就可以知道打在物体表面的光是由投影仪那个像素发出的，也就可以知道物体表面会在虚拟的投影仪图像上的成像位置。自此，我们就把将投影仪看成的模型推导完毕，想要真正的完成物体的三维重建，我们还需要知道如何获取相机和投影仪的标定参数，以及如何对投影光进行编码和解码，实际上除了格雷码编码外，还有很多常见光编码方式，如相移法，格雷码+相移法，多频外差法等，每个编码方法都有他们的优劣。
2024-03-18 10:00:07
63
转载 [转]多频外差法（三频四相）理论及代码
（1）多频外差编码法利用拍频原理，将两个或两个以上周期相近但不相同的相移编码光组合成一组编码光，把解得的不同周期的多个相位作差，将包裹相位的小周期放大为相位差的大周期，直到相位差信号的周期包含整个测量视场。如果图片对应的是频率，这里的值应该是小于1的值，即正弦波的个数除以整个图像方向上的像素值，它的周期才会是条纹的宽度，但在图中图片所对应的并非这种含义，所以我认为这里解释和图示是有矛盾的。在提取相位时，如果图像内的周期数仅为一个，则相对相位就是绝对相位，则求得的相位主值就是它的相位值。
2024-03-15 17:18:24
193
转载 PCA（主成分分析）-------原理，推导，步骤、实例、代码
2.思想：PCA的思想是将n维特征映射到m维上（m<n），这m维是全新的正交特征，称为主成分，这m维的特征是重新构造出来的，不是简单的从n维特征中减去n-m维特征。2.PCA可以从数据中识别主要特征，通过将数据坐标轴旋转到数据角度上那些最重要的方向（方差最大），然后通过特征值分析，确定出需要保留的主成分个数，舍弃其他主成分，从而实现数据的降维。也就是说在d1方向上的投影的绝对值之和最大（也可以说方差最大），计算投影的方法就是将x与d1做内积，由于只需要求d1的方向，所以设d1是单位向量。
2024-03-15 17:05:47
1735
转载 结构光三维重建基本原理
点击上方“3DCVer”，选择“星标”干货第一时间送达结构光三维重建系统是由一个相机和一个投影仪组成，关于结构光三维重建系统的理论有很多，其中有一个简单的模型是把投影仪看做相机来使用，从而得到物体的三维信息。接下来我将详细介绍这个模型的原理。在把投影仪当相机使用之前，我们得知道如何通过两个相机的信息得到物体的三维信息。如图所示是一个双目相机系统，如果只有一个相机（以左相机为例），相机上的一个像素点可以对应三维空间中光心与相机成像点连线OLP上的无穷个点，所以仅凭一个相机的信息是无法得到空间中物体的三维信息。
2024-03-11 20:22:34
110
转载 [转]点云边缘检测-逆时针排序-毛点去除
原文：https://blog.csdn.net/weixin_45231460/article/details/128890783。时提取出的点云有很多毛刺点，而且，输出的点云也不是按照顺时针或者逆时针排序。传入待处理的点云，一个vector存放处理后的点的xy坐标。版权声明：本文为作者原创文章，转载请附上博文链接！进行逆时针排序，然后去除掉毛刺点。自己写了一个函数，在xy平面，对。
2023-11-17 11:05:10
201
转载 [转]点云边缘检测-逆时针排序-毛点去除
原文：https://blog.csdn.net/weixin_45231460/article/details/128890783。时提取出的点云有很多毛刺点，而且，输出的点云也不是按照顺时针或者逆时针排序。传入待处理的点云，一个vector存放处理后的点的xy坐标。进行逆时针排序，然后去除掉毛刺点。自己写了一个函数，在xy平面，对。
2023-08-14 15:11:11
210
转载 [转]CloudCompare 可视化——Scale Filed
随着3D视觉设备的不断发展，获取点云文件变得越来越容易，投入点云处理研究的人也越来越多。作为学生党，当然最愁的就是论文了，论文里要可视化自己的处理结果，最主要的问题就是颜色的显示，但是用PCL、Open3D这种库来专门写个代码显示点云又很麻烦，特别是遇到想要显示多个颜色的时候。本篇以点云配准方向为例分享一下这个软件在可视化上功能。CloudCompare是一款功能强大的开源的点云处理软件，官网下载渠道官方也有出教程，发布在Youtube上，Youtube观看地址。
2023-08-14 08:37:58
1704
转载 [转]Meshlab：网格phong渲染及depth/normal渲染
normal渲染前参考https://stackoverflow.com/questions/45869953/meshlab-normalmap修改一下渲染方式，具体原理我也暂时不懂~~~原文：https://blog.csdn.net/u012348774/article/details/110532039。大佬的指点，发现meshlab支持phong渲染，相比默认的渲染结果，可以得到更加漂亮的渲染图。下图展示了分别用默认渲染结果和phong渲染结果，不难发现右图看起来舒服多了。
2023-07-01 14:27:38
315
转载 [转]PCL生成error C4996
原文：https://blog.csdn.net/h649070/article/details/111992433。项目属性->C/C++->所有选项->SDL检查->否。版权声明：本文为作者原创文章，转载请附上博文链接！解决之后：error会编程warning。
2023-05-04 17:13:18
163
原创 用solidworks和meshlab，cloudcompare生成点云
用solidworks和meshlab，cloudcompare生成点云
2023-03-06 19:43:26
1483
2
转载 [转]PCL添加随机正态噪声
原文：https://blog.csdn.net/com1098247427/article/details/120660589。版权声明：本文为作者原创文章，转载请附上博文链接！作者：com1098247427。添加噪声后点云std=0.01。
2023-01-14 11:23:08
234
2
转载 【转】[机器视觉]feature detection and matching(I)
转载自https://blog.sciencenet.cn/blog-942948-698828.html
2022-10-20 17:27:32
288
转载 [转] 霍夫变换——空间平面检测算法
近日遇到一个需求，要从点云数据中提取空间平面。看了看计算机图形学中关于直线检测的霍夫变换的原理，自己写了一个用于三维空间点中进行平面检测的霍夫变换算法。先说从最简单的，xy平面图像中，提取直线的霍夫变换开始。假如xy平面上存在一条直线，用方程y=kx+b来表示。那么在kb平面上就可以用一个点(k,b)来对应xy平面上的这条直线。这个变换可以反过来，已知xy平面上有一个点(x0,y0)，所有过该点的直线都肯定满足：y0=k·x0+b。改写一下就是：b= x0·k + y0，在kb平面上是一条直线。
2022-04-07 14:45:57
469
原创 双系统Ubuntu终端前面的(base)消失导致无法启动conda环境
双系统下很久不用Ubuntu会导致终端下conda环境的(base)消失，conda activate等命令提示不能用等，此时需要激活一下conda$ source ~/anaconda3/bin/activate root$ anaconda-navigator此命令启动conda的图形界面并激活anaconda环境。...
2022-04-02 10:59:31
5516
3
转载 [转]PCL 构造一个绕任意轴旋转的变换矩阵
最近在用PCL的时候，需要对点云绕某一个轴进行旋转。于是上网查了些资料自己弄了个函数，分享给大家。使用的是Eigen这个库，首先要#include <Eigen/Dense>参数中vector是轴的方向（一定要先单位化后再传参），point表示这个轴所经过的某一个点，t表示角度（如90度：PI/2）// Returns the rotation matrix around a vector placed at a point , rotate by angle tEigen
2022-03-19 08:50:33
531
原创 The Differences Between Terrestrial and Mobile Laser Scanning
With more and more projects relying on geospatial data, laser scanning has become one of the most popular surveying methods.Laser scanning systems,use light pulses to collect information from surfaces. The systems capture millions of 3D coordinates (also..
2022-03-18 18:12:08
129
转载 [转](14条消息) 旋转三维平面与某一坐标平面平行
在上一篇文章（https://blog.csdn.net/weixin_38636815/article/details/109495227）中我写了如何使用ceres，根据一系列的点来拟合一个平面，很难保证ORB-SLAM输出的轨迹严格与某一个坐标平面平行，所以这篇文章我我将说一下，如何将不与任何一个坐标平面平行的三维平面绕着一个轴，旋转一个角度，使得其与某一个坐标平面平行。一、原理分析实现步骤：1. 获得拟合出的平面的法向量2. 找到参考向量，如要与XOY平面平行，参考向量为(0,0
2022-03-12 11:12:35
696
转载 [转]PCL学习：滤波—CropHull滤波器
CropHullCropHull滤波器得到2D封闭多边形内部或者外部的点云；pcl::CropHull< PointT >void setHullIndices(const std::vector<Vertices> &polygons) 输入封闭多边形的顶点；void setHullCloud(PointCloudPtrpoints) 输入封闭多边形的形状；void setDim(int dim...
2022-01-12 10:43:06
619
转载 提取点云聚类后的结果
1思路点云中有多组点，通过点云聚类找出其中点数最多的一组。2代码pcl::search::KdTree<pcl::PointXYZRGBA>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGBA>); tree->setInputCloud(cloud_box); std::vector<pcl::PointIndices> cluster_indices; pcl::Euclid..
2021-12-30 22:05:37
345
转载 【转】 PCL 利用RANSAC算法拟合平面并旋转
说明最近的项目用到了PCL里的旋转平面，然后又需要按一定的角度旋转，因此对于给定一个平面的数据集，需要利用RANSAC算法拟合出平面方程，然后根据需要，求出相应的角度并按一定的方式旋转，程序大体上分为两个功能，一个是拟合平面求方程，一个是旋转点云。方法拟合平面有两种方法，最小二乘法，和RANSAC算法。PCL库中SACSegmentation类中用的是RANSAC的算法来拟合平面的。关于为什么用RANSAC算法而不用最小二乘法，这篇博客里有详细的讲解。这里就不在赘述了。关于旋转..
2021-12-28 16:25:03
1574
转载 [转]PCL ——最小包围盒(画出了最小包围盒并求出顶点坐标)
PCL ——最小包围盒2018年09月21日 15:31:01不懂音乐的欣赏者阅读数：35标签：PCL包围盒外接矩形最小矩形收起个人分类：PCL1.包围盒简介 包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法，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。 常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。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...
2021-12-10 10:21:30
1656
转载 [转] SAC-IA粗配准+ICP精配准
最近一直在看点云配准相关的算法，在这里记录一下我试验过的配准算法。第一弹：SAC-IA粗配准+ICP精配准采样一致性初始配准算法（Sample Consensus Initial Aligment , SAC-IA)此算法依赖于点特征直方图，所以在执行此算法之前，应该先计算点云的FPFH，算法的大致思路如下：(1) 从待配准点云P中选取n个采样点，为了尽量保证所采样的点具有不同的FPFH特征，采样点两两之间的距离应满足大于预先给定最小距离阈值d。(2) 在目标点云Q中查找与点云P中采样点..
2021-11-25 09:29:45
4243
转载 Makefile:170: recipe for target ‘all‘ failed （Ubuntu 18.04 + PCL1.11）解决办法
根本原因安装anaconda之后，很多默认的编译器都变成了anaconda自带的了，比如python和gcc等。那么系统中的python安装的东西自然是用不了的，刚开始没发现这个问题，一怒之下就把opencv给卸载了，当发现这个问题的时候，已经悔之晚矣,无奈重新安装。注：opencv编译失败之后，其前面肯定有失败报错的地方，也就是解决问题和核心了，如上图中最后报错“Makefile:160: recipe for target ‘all’ failed”无法锁定问题在那儿，往上翻番看就能发现问题..
2021-11-20 10:46:46
1497
转载 [转] 无人驾驶算法学习（五）：激光里程计之帧间匹配算法
文章目录1. 引言 2. ICP算法 2.1 Point to Plane ICP 2.2 代码实战 3. NDT算法 3.1 数学原理 3.2 代码实战 1. 引言激光slam主要包括前端激光里程计和后端非线性优化，由于激光雷达测量精度很高，就算没做回环和后端优化定位精度也很高。高精度地图中，里程计也是考当前帧和地图参考帧的帧间匹配算法完成位姿估计的，本文主要研究3d里程计常用的匹配算法，包括ICP算法和NDT算法。如图所示，高精度地图定位...
2021-11-02 18:36:24
1736
原创 pcl 中的RandomSample、UniformSampling、VoxelGrid采样
目录pcl filter模块 RandomSample UniformSampling VoxelGrid 应用 参考 完pcl filter模块Module filters：https://pointclouds.org/documentation/group__filters.htmlRandomSample、UniformSampling、VoxelGrid都包含在其中RandomSampleRandomSample也就是随机降采样，随...
2021-10-30 12:30:48
3185
转载 [PCL使用pcl_sleep函数出现错误提示：未定义标识符“sleep”问题详解
如图：在使用pcl_sleep函数时出现错误提示。解决方法：① 查找是否包含头文件#include <pcl/pcl_macros.h>② 打开pcl_macros.h头文件，寻找到 sleep，将其修改为Sleep；头文件中的初始代码：#ifdef WIN32#define pcl_sleep(x) Sleep(1000*(x))#else#define pcl_sleep(x) sleep(x)#endif改成：#ifdef WIN32#..
2021-10-28 17:17:15
477
转载 Ubuntu18.04 cloudcompare安装
cloudcompare官网各系统安装在官网上都有说明Linux上用snap安装摘取Linux下安装的说明Now thanks to Alberto Mardegan (and Romain Janvier), there is a “universal” snap package for Linux.On Ubuntu, starting from version 16.04 it’s as simple as typing “snap install cloudco..
2021-10-28 09:27:34
2414
转载 [转]灰度共生矩阵（超简单理解）
1.灰度共生矩阵生成原理 灰度共生矩阵(GLDM)的统计方法是20世纪70年代初由R.Haralick等人提出的，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。 灰度共生矩阵被定义为从灰度为i的像素点出发，离开某个固定位置（相隔距离为d，方位为）的点上灰度值为的概率，即，所有估计的值可以表示成一个矩阵的形式，以此被称为灰度共生矩阵。对于纹理变化缓慢的图像，其灰度共生矩阵对角线上的数值较大；而对于纹理变化较快的图像，其灰度共生矩阵对角线上...
2021-10-26 16:03:19
6568
1
转载 【转】PCL use getColor() without parameters instead报错
PCL use getColor() without parameters insteadPCL版本1.11.0编译环境vs2019编译报错解决办法在头文件point_cloud_color_handlers.h中注释掉109行和611行原文链接：https://blog.csdn.net/qq_41911148/article/details/107987808参考链接: https://github.com/PointCloudLibrary/pcl/is..
2021-10-25 19:09:35
165
转载 计算机图形学九：几何1—隐式曲面(代数形式,CSG, 距离函数,分型几何)与显式曲面
隐式曲面与显式曲面1 隐式曲面(Implicit Surface)与显示曲面(Explicit Surface)的特点 1.1 隐式曲面的特点 1.2 显式曲面的特点 2 具体的几种隐式曲面 2.1 代数曲面(Algebraic Surfaces) 2.2 Constructive Solid Geometry(CSG) 2.3 符号距离函数(Signed Distance Function) 2.4 水平集(Level Set) 2.5 分型几何(Fra...
2021-10-20 11:07:00
834
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