![](https://img-blog.csdnimg.cn/20190927151132530.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
三维点云学习笔记
文章平均质量分 80
介绍了一些三维点云的原理知识
桦树无泪
智能环境感知博士
古月居签约作者 项目合作chengxiaolong658@163.com
展开
-
C++点云PCL基础ROS代码
一、概念1、点云的结构公共字段PCL包含一个重要的数据结构,被设计成一个模板类,把点的类型当做模板类的参数。 header:pcl::PCLHeader 记录了点云的获取时间 points:std::vector<PointT,...>储存所有点的容器 width:指定点云组织成图像时的宽度 height:指定点云组成图像时的高度 is_dense: 指定点云中是否有无效值 sensor_origin_:是Eigen::Vector4f类型,传感器相对于原点平移所得的位姿原创 2022-03-09 19:25:41 · 3132 阅读 · 0 评论 -
三维点云课程(八)——特征点匹配
首先找到两组点云之间的对应问题,在ICP里面找最邻近的点,强行得到R,t,点一开始显然是不对的,但这是一个迭代的过程,直到R,t变化很小。可以用IMU来得到初始化的R,t。求出R,t使得到最小值。......原创 2022-07-24 22:27:55 · 3874 阅读 · 1 评论 -
三维点云课程(七)——特征点描述
ORBslam。原创 2022-07-22 20:59:24 · 1663 阅读 · 0 评论 -
三维点云课程(六)——三维目标检测
长方体表示长宽高、中心点、朝向、类别思路先检测后分类。原创 2022-07-21 15:42:55 · 3154 阅读 · 0 评论 -
三维点云课程(五)——深度学习
深度学习过程就是优化一个函数。原创 2022-07-18 17:55:03 · 859 阅读 · 1 评论 -
三维点云课程(四)——聚类与模型拟合
为了避免单个点成一类,加入一些限制条件。原创 2022-07-15 22:13:01 · 1324 阅读 · 0 评论 -
三维点云课程(三)——聚类
把相似的放在一起谱定理:一个对称矩阵拆成两个旋转矩阵和一个缩放矩阵,缩放矩阵是对角矩阵。瑞利熵:一个向量取值范围取决于缩放矩阵 把其中一个变量直接去掉,通过联合分布得到单独的x,y分布指定y为某一个值的x的分布贝叶斯公式 由一系列的节点和一系列的边组成,节点代表随机变量,边代表随机变量之间的联系。z代表年龄,x代表发色。变量之间一定要有关联才能连线。有父子关系 无父子关系,没有方向 最大值在相切位置.........原创 2022-07-13 12:17:46 · 1815 阅读 · 0 评论 -
三维点云课程(二)——最邻近问题
点云最邻近问题难点:1. 不规则 2. 三维 3. 数据量大算法核心点: 1. 分隔空间 2. 跳过空间 3. 停止搜索左放小,大放右 多维:找到worst distance是最重要的,其是动态的原创 2022-07-12 18:13:05 · 1167 阅读 · 0 评论 -
三维点云课程(一)——点云基础介绍
密度不均匀不规则没有纹理信息(三人成车)对深度学习的特点: 无序性 旋转不变性 主成分分析在点云中的作用 矩阵的运算:PCA : 降维和升维肯定有数据损失,所以要选取重要的主向量PCA是线性的 第一列是输入的图像,例如30*30就是900维的矩阵,把900维的矩阵在l个主向量上投影得到l组a,第二列是计算平均值所以都一样。可以看到由6个主向量来重构图片(最后一列)可以达到识别的效果。对每组a进行聚类,传入新的图片与a对比相似度来分类 点云拟合曲面的切面的法向原创 2022-07-10 12:27:49 · 6077 阅读 · 4 评论