- 博客(55)
- 收藏
- 关注
RSS订阅原创 pclpy OC-Tree “体素内的邻居搜索”、“K 最近邻搜索”和“半径内的邻居搜索”
pclpy OC-Tree “体素内的邻居搜索”、“K 最近邻搜索”和“半径内的邻居搜索”
2024-02-26 00:15:00
734
原创 open3d 构建OC-Tree
八叉树是一种树数据结构，其中每个内部节点有八个子节点。八叉树通常用于对3D点云进行空间分区。八叉树的非空叶节点包含落入相同空间子区域内的一个或多个点。八叉树是对3D空间的一种有用描述，可以用于快速查找附近的点。Open3D具有几何类型的Octree，可以用于创建、搜索和遍历八叉树，并具有用户指定的最大树深度max_depth。
2024-02-26 00:15:00
839
原创 open3d KD-Tree K近邻点搜索
kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。
2024-02-25 00:15:00
985
原创 pclpy KD-Tree半径最近邻搜索
kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。
2024-02-25 00:15:00
1690
原创 pclpy Ransac平面分割算法输出的索引从点云中提取点云的子集
云杂项：pclpy Ransac平面分割算法输出的索引从点云中提取点云的子集
2024-02-24 21:51:50
576
原创 pclpy KD-Tree K近邻搜索
kd树或 k 维树是计算机科学中使用的一种数据结构，用于在具有 k 维的空间中组织一定数量的点。它是一个二叉搜索树，对其施加了其他约束。Kd树对于范围和最近邻搜索非常有用。出于我们的目的，我们通常只会处理三维的点云，因此我们所有的kd树都是三维的。kd树的每一层使用垂直于相应轴的超平面沿特定维度拆分所有子节点。在树的根部，所有子节点都将根据第一维进行拆分（即，如果第一维坐标小于根，它将在左子树中，如果大于根，则显然将在左子树中右子树）。
2024-02-24 00:15:00
2090
原创 pcd文件介绍
PCD 文件格式并不是要重新发明轮子，而是为了补充由于某种原因不支持/不支持 PCL 为 nD 点云处理带来的某些扩展的现有文件格式。PCD 不是第一种支持 3D 点云数据的文件类型。尤其是计算机图形学和计算几何学社区，已经创建了多种格式来描述使用激光扫描仪获取的任意多边形和点云。
2024-02-22 00:15:00
1020
原创 pclpy 安装和使用
pclpy是点云库(PCL)的Python绑定。使用CppHeaderParser和pybind11从头文件生成。这个库正在积极开发中，目前只支持python 3.6 x64 和 python3.7，推荐使用python3.6。
2024-02-21 00:15:00
1062
8
原创 open3d 隐藏点去除算法
本文提出了一种简单快速的算子——“隐藏”点去除算子，该算子从给定的视点上确定点云中的可见点。在不重建曲面或估计法线的情况下确定可见性。结果表明，提取在变换后的点云的凸壳上的点相当于确定可见点。这个算子是通用的——它可以应用于不同维度的点云，既可以应用于稀疏点云，也可以应用于密集点云，也可以应用于云内部和外部的视点。结果表明，该算子在点云的可视化、视图依赖重建和阴影投射等方面都是有用的
2024-02-20 00:06:54
659
原创 open3d 平面分割（Ransac算法）
`RANSAC(RAndom SAmple Consensus,随机采样一致)`算法是从一组含有“外点”`(outliers)`的数据中正确估计数学模型参数的迭代算法。“外点”一般指的是数据中的噪声，比如说匹配中的误匹配和估计曲线中的离群点。所以，`RANSAC`也是一种“外点”检测算法。`RANSAC`算法是一种不确定算法，它只能在一种概率下产生结果，并且这个概率会随着迭代次数的增加而加大（之后会解释为什么这个算法是这样的）。
2024-02-19 00:10:38
1805
原创 open3d k-means 聚类
K-means聚类算法是一种无监督学习算法，主要用于数据聚类。该算法的主要目标是找到一个数据点的划分，使得每个数据点与其所在簇的质心（即该簇所有数据点的均值）之间的平方距离之和最小。
2024-02-19 00:10:21
1204
1
原创 open3d DBSCAN 聚类
基于密度的噪声应用空间聚类(DBSCAN)是一种无监督的ML聚类算法。无监督的意思是它不使用预先标记的目标来聚类数据点。聚类是指试图将相似的数据点分组到人工确定的组或簇中。另一方面，DBSCAN不要求我们指定集群的数量，避免了异常值，并且在任意形状和大小的集群中工作得非常好。它没有质心，聚类簇是通过将相邻的点连接在一起的过程形成的。
2024-02-18 01:42:05
1157
1
原创 open3d 包围体积
定向包围盒是指一个可以沿着任意方向旋转的包围盒，与轴对齐包围盒不同，它的边界框不一定与坐标轴对齐。通过这个方法，可以获取点云数据的定向包围盒，用于描述点云的边界范围及其方向。轴对齐边界框是一个与坐标轴平行的立方体，用于包围给定的点云或几何体，并且是包围体积最小的边界框之一。
2024-02-17 17:52:20
384
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人