点云相关知识点整理(PCL)

点云知识的搬运与整理

1. ICP & NDT

知乎专栏

ICP使用 kdTree 结构进行最快邻域搜索;
NDT使用 ocTree 进行网格化(体素化);

2. 点云智能指针的调换

std::cout << "Src Cloud filtered : " << source_cloud->points.size() << endl; 
// situation 1                                                                         
*aligned_cloud = *source_cloud;  // 复制数据                                            
source_cloud->points.resize(4);                                              
std::cout << "Src Cloud  : " << source_cloud->points.size() << endl;         
std::cout << "align Cloud  : " << aligned_cloud->points.size() << endl;  
    
// situation 2                                                                         
aligned_cloud.reset(new pcl::PointCloud<PointType>());                       
aligned_cloud = source_cloud;  // 两个指针相同指向相同的数据                                              
source_cloud->points.resize(44);                                             
std::cout << "Src Cloud  : " << source_cloud->points.size() << endl;         
std::cout << "align Cloud  : " << aligned_cloud->points.size() << endl;      
return 0;   

// situation 3 指针与数据
pcl::PointCloud<PointT> data;
source_cloud = data.makeShared(); 
*source_cloud = data;  // 两句相同,都会发生数据的复制                                                                 
/// output
Src Cloud filtered : 40251
Src Cloud  : 4
align Cloud  : 40251
Src Cloud  : 44
align Cloud  : 44

3. 常用函数

pcl::computeCovarianceMatrixNormalized();
pcl::computeMeanAndCovarianceMatrix();

pcl::getAllPcdFilesInDirectory();
pcl::squaredEuclideanDistance();
pcl::demeanPointCloud();

4. GICP

GICP中协方差设计
Voxelized GICP(论文阅读) - iceytan的文章 - 知乎

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
点云k-means聚类是一种应用于点云数据的聚类算法,可以通过将点云数据划分为不同的簇来实现数据的分类和分割。PCL(点云库)是一个用于点云处理的开源库,其中包含了用于点云k-means聚类的Python模块。 点云k-means聚类的过程如下:首先,选取合适数量(k)的初始聚类中心点。然后,将每个点与聚类中心点进行距离计算,并将其分配给离其最近的中心点所对应的聚类。接着,根据每个聚类中的点重新计算其聚类中心点。重复以上两个步骤,直到聚类中心点的位置不再变化或者达到预定的迭代次数为止。 使用PCL库的Python模块,在进行点云k-means聚类时,首先需要导入相关的模块和数据。然后,通过调用PCL库中的聚类算法函数,传入点云数据和所需的聚类数量k。接着,可以设置聚类算法的参数,如迭代次数、收敛阈值等。最后,调用聚类算法函数来执行点云k-means聚类,并获取聚类的结果。 在得到点云k-means聚类的结果后,可以对每个聚类进行进一步的操作,如可视化显示每个聚类的点云数据、计算每个聚类的质心或其他统计量等。此外,可以根据具体的需求调整聚类算法的参数,以获得更好的聚类效果。 总而言之,点云k-means聚类是一种有效的点云数据处理方法,可通过使用PCL库的Python模块来实现。该方法可以对点云数据进行分类和分割,从而对点云数据进行更深入的分析和应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值