![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
PointCloud
文章平均质量分 55
Hoyyyaard
来自珠江中下游985本硕 研究方向为大模型与Embodied AI
展开
-
【点云处理】点云最邻近问题 Kd树和八叉树
kd树每个维度都按照二叉树分割每一个维度上的二叉树kd树建立按照xyxyx的顺序去分割点确定最后允许的叶子数leaf_size随机找中值 平均值找中值kd树查找最邻近点找根节点如二叉树步骤一致 先按一个维度搜索Octree 八叉树每个节点有8个孩子可以提前结束搜索3个维度每个维度分一半随意 2的3次方 = 88叉树的构建选择最大的一个正方形每一个单位称为octant定义每个方格最多的点数leaf_size或者定义最小范围min_exte原创 2022-03-19 14:38:08 · 872 阅读 · 0 评论 -
(点云处理)点云最邻近问题--二叉树
点云最邻近问题–二叉树Knn & Fixed Radius NN概述核心思想:空间分割二叉树特点:key(表达特征):左子树 < root <右子树代码实现:value可以是这个节点的一些信息 比如在原来数组的索引,节点颜色…插入递归插入鉴于时间复杂度的问题 如果二叉树建的不好有时候插入需要遍历整棵树要是采用平衡二叉树时间复杂度会变小查找递归递归和循环比较递归空间复杂度会大一点 递归多少原创 2022-03-18 21:59:50 · 454 阅读 · 0 评论 -
【点云处理】上下采样 表面法向量
Surface Normal表面法向量surface normal on 3D point cloud选择一个点P找点P的领域定义表面(领域半径大:法向量平滑 但会被无关点影响 领域半径小:精确描述 但受噪声影响)PCA寻找特征值最小的向量(法向量即每个点投影上去都是0)计算曲率deep learing about surface normalNesti-Net CVPR2019:选取不同大小的领域Filter噪声去除下采样(比如某个物体只需原创 2022-03-17 15:04:12 · 4717 阅读 · 0 评论 -
【点云处理】PCA
文章目录PCA主成分分析数学概念PCA降维过程Kernel PCA流程:PCA主成分分析物理意义:把数据投影到比较有特征性的方向上 每个点在这个方向上的投影就是主成分应用:数据降维(保持原始信息)分类(KPCA)数学概念向量内积:一个向量投影到另一个向量中矩阵向量乘法:矩阵每一列的线性组合PCA输入:m个n维向量输出:k(k<n)个principle vector: 输入的k维向量的一群点最有代表性(把这群点投影到这方向上投影的方向最大 分布较散)原创 2022-03-17 14:58:34 · 2162 阅读 · 0 评论