点云处理
文章平均质量分 83
记录点云处理的一些算法
敲出十四行诗的幸运猴子
从事计算机视觉、图形学相关算法研究
展开
-
【点云异常点检测】MVTec 3D AD数据集介绍
MVTec AD(MVTec Anomaly Detection)数据集是用于异常检测的计算机视觉数据集。该数据集包含来自工业生产中不同材料和产品的图像,包括玻璃、塑料、纺织品等。每个类别都包含正常样本和异常样本。这些异常样本包括各种常见的生产缺陷,如划痕、裂纹、凹陷等。MVTec AD数据集旨在帮助研究人员和从业者开发和评估用于检测工业制造中物体缺陷的算法和系统。原创 2023-12-14 14:05:28 · 1510 阅读 · 0 评论 -
点云/Mesh 常见处理库和软件汇总
PCL原创 2023-12-11 18:35:21 · 424 阅读 · 0 评论 -
【论文阅读】法向一致性:Iterative Poisson Surface Reconstruction (iPSR) for Unoriented Points
通过使用分层结构上代表性点的平均法向量,我们使𝐴和𝐵的法向量朝内,而𝐶的法向量仍然朝外。(d)将更新后的法向量作为输入,屏蔽的PSR方法产生了一个更好的形状,该形状已经是简单连通的。我们观察到,即使在随机初始化法向量的情况下,第一次迭代计算得到的等值面具有大量的奇数层结构。因此,通过迭代过程,越来越多的样本展现出它们周围的奇数层结构,而我们的面积加权法向量平均策略可以使法向量越来越准确。相关的代表性三角面的数量的奇偶性并不重要。最后,我们通过计算与𝑠𝑖相关联的面的法向量的平均值来更新每个样本的法向量。原创 2023-12-07 10:25:23 · 226 阅读 · 0 评论 -
【点云上采样】最近邻插值上采样算法
点云最近邻插值上采样算法是一种常见的点云处理方法,用于将稀疏的点云数据进行上采样,增加点云的密度和细节。该算法基于最近邻的原理,在已有的点云数据中找到最近邻的点,并根据其位置和属性信息来生成新的点。点云最近邻插值上采样算法的主要步骤如下:对于每一个待上采样的点,确定其邻域内的最近邻点集合。可以使用欧氏距离或kd树等方法来搜索最近邻点。对于选定的邻域点集,通过插值方法来生成新的采样点。最近邻插值(Nearest Neighbor Interpolation):将待上采样点的属性直接赋给其最近邻点。原创 2023-11-21 11:12:32 · 985 阅读 · 0 评论 -
【点云上采样】基于移动最小二乘(MLS)的上采样
基于MLS(Moving Least Squares)的上采样是一种常用的点云处理方法,用于增加稀疏点云数据的密度和细节。MLS上采样通过对点云进行局部拟合,并使用拟合结果生成新的点,从而实现点云的平滑和细节恢复。针对每一个待上采样的点,选择其邻域内的一组最近邻点。对于选定的邻域点集,通过拟合一个平滑的曲面来逼近这些点。常用的拟合方法包括欧式最小二乘法(OLS)和加权最小二乘法(WLS)。根据拟合结果,生成新的采样点。通常是在拟合曲面上均匀采样一定数量的点。原创 2023-11-21 10:49:33 · 1169 阅读 · 0 评论 -
【论文阅读】法向一致性:Parallel Globally Consistent Normal Orientation of Raw Unorganized Point Clouds
许多点云算法的强制组成部分是具有一致定向的顶点法向(例如用于表面重建、特征检测、可视化)。以往的在网格或原始点云上进行的定向方法未考虑全局上下文,常基于不切实际的假设,或者具有极长的计算时间,使其在实际数据上无法使用。我们提出了一种新颖的、高度并行化的方法,用于计算原始且未排序的点云的全局一致定向点法向。基于图能量优化的思想,我们在整个点云上构建了一个完整的kNN图。新的加权相似性准则对图的能量进行编码。为了得到全局一致定向法向,我们通过高度并行的贪婪边缘折叠操作,合并图的相似部分并使其定向一致。原创 2023-10-27 11:13:00 · 122 阅读 · 1 评论 -
【论文阅读】法向一致性:Towards Globally Optimal Normal Orientations for Large Point Clouds
将法向一致性问题转化为马尔可夫随机场(Markov Random Field, MRF)。具体来说,点云的k近邻图构建MRF中的图,该图中的节点对应点云中的点,每个节点有两个状态对应点法向的两个方向,每个边的能量由边连接的两个节点的法向定义。最终,通过最小化能量函数实现全局法向一致。这里列出一些相关的文章,方便对比其原理。原创 2023-11-02 09:21:59 · 102 阅读 · 0 评论