![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pcl点云处理
文章平均质量分 67
wangxinRS
目前在研究所做图像算法~
展开
-
PCL入门(七):点云数据输入输出、两个点云的拼接等简单操作
时,执行操作2,即增加点的维度,此时cloud_b为n_cloud_b,包含5个点,新点云cloud_c为包含5个点的点云,每个点的维度增加。时,执行操作1,即增加点的数量,此时cloud_b为3个点的点云,新点云cloud_c为包含8个点的点云;,点云的拼接存在两种操作,一种是增加点的数量,一种是增加点的维度。随机创建名为test.pcd的点云数据,如下。读取前面创建的test.pcd文件,如下。生成的test.pcd文件内容如下。下面的代码生成二进制文件。原创 2023-09-13 19:00:00 · 1857 阅读 · 0 评论 -
PCL入门(六):深度图提取边界
参考《02-深度图》深度图像(Depth Images)也被称为距离影像(Range Image),是指将从图像采集器到场景中各点的距离值作为像素值的图像,它直接反应了景物可见表面的几何形状,利用它可以很方便的解决3D目标描述中的许多问题,深度图像经过点云变换可以计算为点云数据,有规则及有必要信息的点云数据可以反算为深度图像数据。原创 2023-09-12 21:45:00 · 541 阅读 · 0 评论 -
PCL入门(五):随机采样一致性算法RANSAC简单使用
参考博客《随机抽样一致性(RANSAC)算法详解》该算法根据数据集获得满足一定条件的参数估计,实现利用尽可能少的数据获得尽可能大的一致性数据集。具体来说,步骤1:从数据集中随机获得一定量的数据;步骤2:根据获取数据,做参数估计,并拟合模型;步骤3:计算数据集中的每一个点在该模型下的距离或者损失,据此将数据集分为内部点集合和外部点集合;步骤4:若迭代次数未超过阈值,则返回步骤1;步骤5:将内部点集合中数据最多的模型作为最终输出模型。原创 2023-09-12 18:30:00 · 463 阅读 · 0 评论 -
PCL入门(四):octree简单使用
只需要考虑三维情况下的八叉树的情况,如下。原创 2023-09-11 16:57:53 · 234 阅读 · 0 评论 -
PCL入门(四):kdtree简单介绍和使用
kd树是一种空间划分的数据结构,对于多个维度的数据,按照某种规则选定某个维度,在该维度下进行排序,选择中间的数据作为划分节点,然后分别对划分节点左边和右边的数据进行上面的划分步骤。三维点云的数据量较大,使用kd树进行搜索可以减少时间,可以确保点云的关联点寻找和匹配处于实时状态。总而言之,就是利用kd树,可以实现点云数据的快速搜索。使用kd树一般有两个任务,分别是k近邻搜索和半径内搜索。原创 2023-09-08 21:00:00 · 974 阅读 · 0 评论 -
PCL入门(三):矩阵变换实现平移和旋转
任意方向旋转任意角度,可通过绕着x轴旋转、绕着y轴旋转、绕着z轴旋转等三个基本旋转操作组合而成。而绕着x轴旋转、绕着y轴旋转、绕着z轴旋转可分别通过矩阵表示。通过激光传感器等设备获得的3d点云在拼接成更大场景时,需要对点云数据进行旋转和平移操作。可以看到,通过给三维点坐标增加一维,可以非常方便的通过矩阵乘法实现点的平移操作。只要实现矩阵变换,就可以做点云的旋转和平移。则接近于人类操作步骤,将平移操作和旋转操作做成函数,调用即可。举例:将点云数据先沿着x轴平移2.5,然后绕着z轴逆时针旋转。原创 2023-09-07 19:00:00 · 1703 阅读 · 0 评论 -
PCL入门(二):初识点云数据
初识点云数据,对点云数据进行初步的操作原创 2023-09-05 20:10:19 · 649 阅读 · 0 评论 -
PCL入门(一):ubuntu20使用apt安装pcl
在ubuntu上使用apt命令简单安装pcl原创 2023-09-04 16:04:48 · 1839 阅读 · 0 评论