点云实验室lab
从事多源激光点云数据智能处理、图像处理与应用(目标检测、识别),深度学习以及数学相关推理与应用。
展开
-
点云算法源代码及解析专栏目录
主要介绍常见点云算法源代码与原理原创 2024-05-14 11:41:08 · 704 阅读 · 0 评论 -
基于alpha shapes的任意空间平面点云边缘提取(python)
介绍了三维空间平面点集,利用alpha shapes提取边缘点的原理,并测试其效果。原创 2024-07-29 15:16:56 · 917 阅读 · 1 评论 -
平面点云格网过程及可视化介绍(python)
详细介绍了基于点云格网化原理,以及基于python的实现原创 2024-06-23 12:17:59 · 1528 阅读 · 0 评论 -
点云旋转处理
让点云以重心为旋转中心,与水平方向间夹角进行旋转,便于数据处理原创 2024-02-14 20:09:30 · 870 阅读 · 0 评论 -
open3d:ransac分割多个平面(源码)
基于open3d中ransac分割多个平面原创 2024-07-19 14:52:44 · 531 阅读 · 0 评论 -
基于最大夹角(角度突变)的边缘点提取(C++)
使用最大夹角法提取边缘点原创 2023-04-03 21:34:31 · 771 阅读 · 0 评论 -
基于最大相邻夹角的边缘点提取(matlab、python)
介绍了一种基于最大相邻夹角的边缘点提取方法,并利用matlab将其实现,测试结果比较理想。原创 2024-07-03 19:26:01 · 1147 阅读 · 0 评论 -
cmake编译源码教程(一)
介绍了使用cmake编译平面点云分割源代码过程,并使用两块点云数据进行演示原创 2024-07-05 16:32:14 · 142 阅读 · 0 评论 -
保留边缘的超体素分割源代码配置教程
一种分割效果比较好的超体素生成原创 2023-04-09 18:35:59 · 285 阅读 · 0 评论 -
基于格网的边缘点检测(python)
详细介绍了基于格网的边缘点提取原理以及实验效果原创 2024-06-23 12:46:59 · 657 阅读 · 0 评论 -
基于格网拓扑关系的边缘点检测
详细介绍了基于格网的边缘点检测原创 2024-06-18 15:47:57 · 107 阅读 · 0 评论 -
快速欧氏聚类与普通欧氏聚类比较
比较了快速欧氏聚类与一般欧氏聚类算法效率,并给出两种聚类算法效率。原创 2024-06-17 10:16:41 · 418 阅读 · 0 评论 -
三维点云拟合平面推导及源代码C++
介绍了基于最小二乘估算平面方程的推导过程,以及测试结果。原创 2024-06-03 19:45:22 · 639 阅读 · 0 评论 -
圆形参数拟合计算(解析法)
基于圆形参数原理,求解拟合圆参数原创 2024-05-16 16:35:21 · 130 阅读 · 0 评论 -
圆上点云随机生成(人工制作模拟数据)
圆形模拟数据生成原创 2024-05-15 19:29:05 · 114 阅读 · 0 评论 -
PCL中常见图形的可视化
目前所掌握的几种常见可视化包括形状包括面、直线、圆锥、立方体、圆、球体。代码如下:#include <pcl/point_cloud.h>#include <pcl/point_types.h>#include <pcl/io/pcd_io.h>#include <pcl/visualization/pcl_visualizer.h>...原创 2018-09-26 17:21:19 · 4140 阅读 · 2 评论 -
道格拉斯普克算法(DP)的点云轮廓线简化
利用DP算法实现边缘精简原创 2024-05-13 18:00:35 · 624 阅读 · 2 评论 -
基于公共转点的Alpha shapes有序边缘点提取
alpha shapes实现有序边缘点提取原创 2024-04-12 16:25:26 · 245 阅读 · 0 评论 -
HDF5文件数据读取
详细介绍使用hdf5读取h5格式的激光点云数据原创 2023-10-02 20:21:55 · 784 阅读 · 0 评论 -
基于同名面片的TLS测站点云配准
详细介绍了基于面片的测站间点云配准原理,以及基于c++编写的程序代码,代码有详细介绍原创 2023-09-24 13:28:00 · 183 阅读 · 0 评论 -
Delaunay三角网构建,并进行可视化
介绍Delaunay三角网原理,并使用CGAL中函数对二维点云数据构建三角网,效果理想原创 2023-04-24 13:07:43 · 1644 阅读 · 0 评论 -
一元线性回归分析(参数解算)
基于最小二乘实现直线拟合,且使用PCL进行可视化原创 2023-03-19 22:58:01 · 326 阅读 · 0 评论 -
基于PCL中KDtree的欧氏聚类
基于pcl中kstree实现点云聚类原创 2022-12-20 21:58:52 · 463 阅读 · 0 评论 -
基于nanoflann 的欧氏聚类
基于欧氏聚类的点云聚类原创 2022-12-20 18:33:09 · 695 阅读 · 3 评论 -
基于nanoflann 的3种近邻点检索方式
nanoflann 搜索近邻点方法介绍原创 2022-12-15 15:28:56 · 1509 阅读 · 5 评论 -
成对连接点云分割
点云分割,将点划分成不同对象原创 2022-08-02 13:00:20 · 327 阅读 · 0 评论 -
基于PCA的分割 代码实现思路总结 (C++)
算法核心:该算法是基于点法线之间角度的比较,企图将满足平滑约束的相邻点合并在一起,以一簇点集的形式输出。每簇点集被认为是属于相同平面。基于C++实现过程:(1)使用PCA计算所有点的法向量及曲率,找到曲率最小对应的点,将其添加到一簇点集中的种子点;(2)构建存储种子点的容器CurrentPoints、一维数组指针标记flag,均默认为0,在增长判断中标记flag用于判断该点是否进行过区......原创 2019-06-04 09:23:10 · 1501 阅读 · 4 评论 -
alpha shapes提取边缘点函数调用(API)
1、原理alpha shapes提取边缘点效果比较理想,其实PCL中提供该函数的接口。其提取原理可参考博客:alpha shapes提取平面点云边界点_仰望星空_2022的博客-CSDN博客下面是其调用PCL中该算法API的示例:#include <pcl/io/pcd_io.h>#include <pcl/filters/voxel_grid.h>#include <pcl/surface/concave_hull.h>#include <pc原创 2022-05-29 15:51:27 · 734 阅读 · 1 评论 -
Efficient RANSAC for Point-Cloud Shape Detection(源码编译教程)
1、算法简要介绍该篇论文主要使用RANSAC从点云中分割几何体,如平面、圆柱体、锥形等。下面是其分割平面的结果。可以发现其相比较于很多RANSAC而言,效果还是很理想的,基本将面片均提取出来,过分割现象基本不存在,而且法向量相同的点聚为一类,后续可以使用欧氏距离聚类将其划分。且其分割效率确实很高,200w点数据基本一分钟内解决。2、源码编译,得到lib文件:(1)使用vs2013打开sln文件:(2)将其设置成64位(电脑系统为64位)(3)点击生成...原创 2022-04-04 10:43:23 · 1480 阅读 · 3 评论 -
基于道格拉斯普克算法的轮廓点简化
道格拉斯普克算法(DP)对元素进行简化,这里介绍对轮廓点进行简化,如下图展示了轮廓点提取、DP保留的关键点、关键点生成的矢量线:有序轮廓点DP简化轮廓点后的关键点关键点相连生成的轮廓线局部放大图1、算法原理道格拉斯普克算法(Douglas-Peukcer)算法是一种简化线状要素的经典算法。先介绍其原始的计算原理:对每一条曲线的首末点虚连一条直线,求所有点与直线的距离,并找出最大距离值dmax,用dmax与限差D相比。若dmax<D,这条曲线上的中间点全部舍去;若dmax ≥D,..原创 2022-03-21 21:18:49 · 579 阅读 · 0 评论 -
基于KNN-凸包提取轮廓点(matlab)
1、原理:基于KNN-hull提取点云轮廓点的原理,原文如下:2、具体步骤如下:(1)首先统计输入点的x或者y值,选取x值最小或者y值最小对应的点作为第一个轮廓点,记为A点;(2)使用KD-tree搜素A的3个近邻点(记为B、C、D)。然后以A点为起点,计算这3个近邻点与X轴正方向的夹角αi。(默认逆来计算夹角,示意图如下:)选取夹角最大的角作为下一个轮廓点,记为D点(按照上图中,应该是D点);(3)以D点为中心,使用KD-tree搜索其k个近邻点,以DA为起始方向,计.原创 2022-03-20 12:04:45 · 740 阅读 · 0 评论 -
简单场景下点云分类(地面、植被、建筑物)及三维重建
1 . 模块介绍该程序包括一下模块:1、点的读取2、点转换成局部坐标系(中心平移)3、提取地面点4、使用RANSAC探测建筑物,提取建筑物点以及植被点(剩余其他点)5、使用改进的凸包算法提取轮廓点6、使用道格拉斯-普克算法简化点,生成轮廓线7、生成LoD1模型,即使用轮廓线生成立体模型8、可视化最终结果下面是其结果的截图:...原创 2022-03-05 21:51:26 · 7215 阅读 · 17 评论