![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
学术研究
文章平均质量分 88
MyLying97
这个作者很懒,什么都没留下…
展开
-
《A Non-Local Cost Aggregation Method for Stereo Matching》读后感
这篇论文主要创新在代价聚集步骤,传统的聚集一般是在局部区域,这样结果也只是局部最优。但是这篇论文提出了非局部代价聚集的方法,用一颗最小生成树(MST)将整个图像联系起来,它以全图的像素作为节点,构建过程中不断删除权值较大的边,边就是相邻像素间的最短距离(即两个节点间相似性最小,本篇文章的相邻像素点指的是4邻域,我认为可以用8邻域来尝试)。然后采用kruskal(克鲁斯卡尔)算法或prim(普里姆)...原创 2018-08-27 21:29:56 · 895 阅读 · 6 评论 -
点云分割入门(1)
近期在学习点云分割,了解了一下其目的,意义和几种基本的算法。分享并记录一下~点云分割算法分类:一 基于边缘的分割算法这种算法用途不是很广,也就没做进一步了解了,接下来几篇博客会对其余的方法有个了解~...原创 2019-08-05 10:15:54 · 5136 阅读 · 0 评论 -
点云分割入门(2)——基于区域生长的分割算法
二 基于区域的分割算法其中,kd树用来获得点云的拓扑结构,可以得到邻域信息。对于kd树,这就简单说一下,网上资料很全。(点云空间拓扑关系的建立方式主要有Octree 法和 KD-tree 法)。根据PCL官网例程得到的结果如下图所示:PCL官网:http://pointclouds.org/documentation/tutorials/#segmentation-tutorial...原创 2019-08-05 10:25:27 · 7503 阅读 · 6 评论 -
点云分割(3)——基于欧几里得聚类的点云分割方法
欧几里得算法:基于欧几里得的点云分割,先放结果图,图1为原图,图2为分割后的图,图3为输出的点云数量。图1图2图3具体过程:加载点云,滤波;分割平面模型;(下一篇博客)去除所有平面点云,对余下的点进行聚类分割;显示聚类分割结果。首先加载点云滤波,即对点云进行下采样,减少点云数量,提高精度;然后分割平面模型,该图中平面有两个,桌子平面和地面,将平面点云去除后,进行聚类...原创 2019-08-05 10:34:52 · 12192 阅读 · 3 评论 -
点云分割(4)——基于平面模型分割和最小割分割
平面模型拟合在PCL库中可以设置模型类别,这个算法并不是真正意义上的分割,他只能分割出平面上的点云,但是在“点云分割(3)”中涉及到该方法,目的是将地面,墙壁等这些平面过滤了,就可以更好地进行分割。这个方法很简单,只有一个参数需要调整。如图所示为例程得到的结果:具体过程为:随机产生15个点云数据,都在z=1的平面上,其中人为设置了3个错误点,通过该模型,可以得到平面的四个参数和正确点的个...原创 2019-08-05 10:49:20 · 2841 阅读 · 2 评论