点云处理
菜鸟知识搬运工
在校研究生
展开
-
点云法向量与点云平面拟合的关系(PCA)
点云法向量估计的主要思路是对K-近邻的N个点进行平面拟合(平面过N点重心),平面法向量即为所求;所以求法向量就是变相的求拟合平面。下面我们用最小二乘法求k近邻点云的拟合平面:当 ||x||=1时,Ax=0的最小二乘解是ATA的最小特征值对应的特征向量等同于:ATA的最小特征值所对应的特征向量可使||Ax||最小。结论:假设k-近邻点矩阵B,B为k*3的矩阵,则根据B拟合平...原创 2019-05-22 10:04:24 · 6955 阅读 · 0 评论 -
RANSAC与圆柱拟合
RANSAC是“RANdom SAmple Consensus(随机抽样一致)”的缩写。它可以从一组包含“局外点”的观测数据集中,通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果;为了提高概率必须提高迭代次数。该算法最早由Fischler和Bolles于1981年提出。 RANSAC的基本假设是:(1)数据由“局内点”组成,例如:数据的分布可以用一...原创 2019-05-21 14:39:50 · 18800 阅读 · 13 评论 -
PCL点云滤波去噪
为什么要对点云滤波?一般下面这几种情况需要进行点云滤波处理:(1) 点云数据密度不规则需要平滑(2) 因为遮挡等问题造成离群点需要去除(3) 大量数据需要下采样(4) 噪声数据需要去除 点云中的噪声点对后续操作的影响比较大。就像盖房子一样,地基有很多瑕疵,如果不加以处理最终可能会导致整个房子坍塌的。不过别担心,PCL中有一个专门的点云滤波模块,可以将噪声点去除,还可以进行...原创 2019-01-11 13:04:20 · 44613 阅读 · 4 评论 -
PCL综述—三维图像处理
1、三维图像分类 三维图像是一种特殊的信息表达形式,其特征是表达的空间中三个维度的数据。和二维图像相比,三维图像借助第三个维度的信息,可以实现天然的物体-背景解耦。除此之外,对于视觉测量来说,物体的二维信息往往随射影方式而变化,但其三维特征对不同测量方式具有更好的统一性。与相片不同,三维图像时对一类信息的统称,信息还需要有具体的表现形式。其表现形式包括:深度图(以灰度表达物体与相机的距离),...转载 2019-01-17 15:24:00 · 3715 阅读 · 0 评论 -
PCL点云学习(1)——pcd文件的生成和读取
MATLAB mat文件转TXT文件因为本菜鸟之前一直使用MATLAB做点云处理,所以数据都是mat文件,为了使用PCL库,需要先转化为TXT文件,在使用C++PCL将TXT文件转化为PCD文件。。。。。下面是MATLAB代码,不需要的同学请自动忽略。fid=fopen('pipline.txt','wt');fprintf(fid,'%12.8f %12.8f %12.8f\n',p...原创 2019-01-13 17:13:10 · 4745 阅读 · 4 评论 -
PCL 学习(2)——基本数据类型与点云数据拼接
点云数据分为有序与无序两种类型:HEIGHT被设置为1,可以用来作为判断是有序点云或无序点云的判断标准。接下来介绍几种常用的点云类型:1、PointXYZ PointXYZ是使用最常见的一个点数据类型,因为它只包含三维xyz坐标信息,这三个浮点数附加一个浮点数来满足存储对齐,用户可利用points[i].data[0],或者points[i].x访问点的x坐标值。...原创 2019-01-14 13:25:04 · 3979 阅读 · 1 评论 -
三维重建技术综述
三维重建技术通过深度数据获取、预处理、点云配准与融合、生成表面等过程,把真实场景刻画成符合计算机逻辑表达的数学模型。这种模型可以对如文物保护、游戏开发、建筑设计、临床医学等研究起到辅助的作用。 三维重建技术的重点在于如何获取目标场景或物体的深度信息。在景物深度信息已知的条件下,只需要经过点云数据的配准及融合,即可实现景物的三维重建。基于三维重建模型的深层次应用研究也可以随即展...原创 2019-06-15 16:23:25 · 63233 阅读 · 14 评论 -
常见点云分割技术
转载自博客园IronStark点云分割系列:https://www.cnblogs.com/ironstark/p/5027269.html点云分割 点云分割可谓点云处理的精髓,也是三维图像相对二维图像最大优势的体现。 点云分割的目的是提取点云中的不同物体,从而实现分而治之,突出重点,单独处理的目的。而在现实点云数据中,往往对场景中的物体有一定先验知识。比如:桌面墙面多半是大平面,...转载 2019-06-08 15:21:47 · 38264 阅读 · 7 评论