2021年05月_Kadima°

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创三维点云处理-NMS代码实现

三维点云处理-NMS代码实现import numpy as npdef nms(dets,thresh): ''' Python实现NMS 输入：dets:[x1,y1,x2,y2,scores],分别为检测框的左上方和右下方角点坐标,以及对应的置信度得分 thresh:IoU阈值，大于该阈值时会被去除 ''' # 分别获取检测框的角点坐标和置信度得分 x1 = dets[:,0] y1 = dets[:,1] x2 = dets[:,2] y2 =

2021-05-31 11:04:20 971 1

原创三维点云处理07-二叉树

三维点云处理07-创建二叉树python实现二叉树的构建import numpy as np# 节点定义class Node: def __init__(self, key, value = -1): self.left = None self.right = None self.key = key self.value = value # 递归创建二叉树 def insert(root, key ,value): if root is None: root = No

2021-05-28 10:01:14 207

原创三维点云处理06-2D/3DIoU计算

三维点云处理06-IoU计算IoU定义：预测边框与真是边框的交集与并集之比首先说明IoU的计算并不需要像下图所示对各种情况进行分类后，再进行计算IoU的计算本质上是集合交集的计算，首先从一维IoU的计算开始，然后扩展到二维等等一维IoU计算首先看上图右侧一维IoU的计算，IoU的计算本质就是集合上下边界的计算 1.计算交集的下界：max(x1,y1) 2.计算交集的下界：min(x2,y2) 3.判断交集是否真是存在：上界-下界： min(x2,y2) - max(x1,

2021-05-24 11:13:10 3787

原创【随机数种子】random.seed() torch.manual_seed() torch.cuda.manual_seed() torch.cuda.manual_seed_all()用法总结

【随机数种子】random.seed() torch.manual_seed() torch.cuda.manual_seed() torch.cuda.manual_seed_all()用法总结四种作用相似，先做下概括：传入的数值用于指定随机数生成时所用算法开始时所选定的整数值，如果使用相同的seed()值，则每次生成的随机数都相同；如果不设置这个值，则系统会根据时间来自己选择这个值，此时每次生成的随机数会因时间的差异而有所不同。random.seed()random模块

2021-05-22 16:32:23 3675 3

原创【条件编译命令】#define #undef #ifdef #ifndef #if 1 #if 0 #elif #else #endif defined用法和作用详解

【条件编译命令】#define #undef #ifdef #ifndef #if 1 #if 0 #elif #else #endif defined用法和作用详解1.C语言中条件编译命令的作用：#define定义一个预处理宏#undef取消宏定义#if编译预处理中的条件命令，相当于C语法中的if语句#ifdef判断某个宏是否被定义#ifndef判断某个宏是否未被定义#elif若#if, #ifdef, #ifndef或前

2021-05-19 16:07:22 354 1

原创三维点云处理05-FPS代码实现

三维点云处理-FPS代码实现基础知识点最远点采样原理解释：1.从原始点云中选取一个初始点作为最远点2.设定我们希望获得的最远点的数量npoints3.进行npoints次循4.每次循环中计算原点点云中每个点到距离它最近的最远点的距离5.然后从中选出距离最大的点作为下一个最远点上图解释：1.首先从原始点云中选择一个点作为初始点2.然后计算原始点云中所有点到该初识最远点的距离，获得第二个最远点3.然后计算原始点云中所有点到第二个最远点的距离，并与第一个最远点的距离进行比较，使用距离较小

2021-05-15 22:55:58 739

原创三维点云处理04-Voxel Grid Filter代码实现

三维点云处理-Voxel Grid Filter代码实现基础知识点1.首先获得输入点云在各维度上的最大，最小值2.设定leaf_size的大小3.根据leaf_size的大小计算每个维度上栅格的数量D_x, D_y, D_z4.对于输入点云中的每个点计算其i_x, i_y, i_z5.由idx = i_x + i_y * D_x + i_z * D_y * D_x获得每个点所属栅格的idx代码实现import osimport numpy as npfrom pyntcloud imp

2021-05-15 19:13:09 1297

原创三维点云处理03-Radius Outlier Remove代码实现

三维点云处理-Radius Outlier Remove代码实现半径滤波思想设定一个固定的半径范围，对每个点在该半径范围内查找最近点，并设定最近点最低数量阈值，如果某个点在该半径范围内的最近点的数量小于该最低数量阈值，则认为该点为离群点，去除代码实现import osimport numpy as npimport open3d as o3dfrom pyntcloud import PyntClouddef radius_outlier_remove(pcd,dis,k):

2021-05-14 23:09:39 963 1

原创 open3d-KDTree使用

open3d-KDTree使用从PCD文件中读取点云并建立KDTree#读取pcd文件pcd = o3d.io.read_point_cloud("../../TestData/Feature/cloud_bin_0.pcd")#将点云颜色设为相同pcd.paint_uniform_color([0.5,0.5,0.5])#建立KDTreepcd_tree = o3d.geometry.KDTreeFlann(pcd)KNN最近邻搜索def search_knn_vector_3d(pc

2021-05-14 22:36:53 881

原创三维点云处理02-surface_normal代码实现

三维点云处理-surface_normal代码实现基础知识点surface_normal是PCA的应用，基础知识点与PCA相同，可以查看PCA代码实现#!/usr/bin/python3import osimport numpy as npfrom pyntcloud import PyntClouddef PCA(data,sort=True): ''' PCA函数实现：输入： data：点云数据 sort:是否排序输出： w:特征值 v:特征向量 '''

2021-05-14 22:03:32 764 1

原创三维点云处理01-PCA代码实现

三维点云处理-PCA代码实现基础知识点1.特征值与特征向量的意义2.方阵的特征值分解（nxn）3.一般矩阵的特征值分解（mxn）——SVD 分解4.谱定理5.瑞立熵代码实现#!/usr/bin/python3import osimport numpy as npfrom pyntcloud import PyntClouddef PCA(data,sort=True): ''' PCA函数实现：输入： data：点云数据 sort:是否排序输出： w:特征值

2021-05-14 21:29:39 872

转载 pandas 随机抽取 DataFrame.sample（）

pandas 随机抽取 DataFrame.sample（）有时候我们只需要数据集中的一部分，并不需要全部的数据。这个时候我们就要对数据集进行随机的抽样。pandas中自带有抽样的方法。应用场景：我有10W行数据，每一行都11列的属性。现在，我们只需要随机抽取其中的2W行。实现方法：利用Pandas库中的sample。DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=N

2021-05-14 17:38:45 2806

转载 Python中的lambda表达式的用法+map函数的用法+apply的用法

Python中的lambda表达式的用法+apply的用法1.lambda表达式的用法lambda表达式的原型：lambda 参数：操作（参数）lambda函数也叫做匿名函数，即没有具体名称的函数，主要用途是快速定义单行函数，可以用在任何需要函数的地方。单个参数：g = lambda x : x **2print g(3)输出结果为9多个参数：g = lambda x, y, z : (x+y)**zprint g(1,2,3)输出结果为272.map函数的用法

2021-05-14 17:22:08 1452