cut_part_xyzi

最新推荐文章于 2024-07-17 10:32:09 发布
最新推荐文章于 2024-07-17 10:32:09 发布
阅读量605 收藏
点赞数
分类专栏： 0毕设
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36477987/article/details/107601551
版权

xyzi

#include <pcl/visualization/cloud_viewer.h>
#include <iostream>//��׼C++���е�������������ͷ�ļ���
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>//pcd ��д����ص�ͷ�ļ���
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h> //PCL��֧�ֵĵ�����ͷ�ļ���
#include <pcl/octree/octree.h>
#include<fstream>  
#include <string>  
#include <vector> 
//#include <LasOperator.h> 
#include <liblas/liblas.hpp>
#include <pcl/filters/passthrough.h>
#include <pcl/segmentation/region_growing.h>
#include <pcl/search/search.h>
#include <pcl/search/kdtree.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/filters/radius_outlier_removal.h>

#include "LasEdit.h"

using namespace std;


void loadLasFile(string s, pcl::PointCloud<pcl::PointXYZ>& cloud);
float computeRange(pcl::PointCloud<pcl::PointXYZI>& trail, float r, int index, int k);
void loadLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZI>::Ptr input_cloud);
void saveLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZI>::Ptr save_cloud);


int main() {
	//������ƣ��켣�ߣ���������
	pcl::PointCloud<pcl::PointXYZI>::Ptr input_cloud(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointCloud<pcl::PointXYZI>::Ptr trail(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointCloud<pcl::PointXYZI>::Ptr part(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointCloud<pcl::PointXYZI>::Ptr midle_filtered(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointCloud<pcl::PointXYZI>::Ptr result(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointCloud<pcl::PointXYZI>::Ptr tempCloud(new pcl::PointCloud<pcl::PointXYZI>);
	pcl::PointXYZI tempPnt;
	std::vector<int>idx;
	std::vector<int>part_idx;

	//����

	float r = 10000;	//o1,ʹ��+ 	2.5��5��10ƫС��5�պã�10����
	int k = 6;//20

//const std::string path=

	//��ȡ�������
	cout << "read cloud" << endl;
	CLasEdit le;
	le.readLas2PointCloudXYZI("/home/qrh/桌面/experimentData/3data/data1.las",input_cloud); 
	//loadLASFileRGB("/home/qrh/桌面/experimentData/3data/data1.las",input_cloud);
	//��ȡ�켣��
	cout << "read trajectory" << endl;
	le.readLas2PointCloudXYZI("/home/qrh/桌面/experimentData/3data/trajectory1.las", trail); 
	//loadLASFileRGB("/home/qrh/桌面/experimentData/3data/trajectory1.las", trail);

	cout << "cloud_size:::::" << input_cloud->width << " \t" << "trajectory_size:::::: " << trail->width << endl;

	//cloud�����˲���
	cout << "�����˲���" << endl;
	float resolution = 128.0f;
	pcl::octree::OctreePointCloudSearch<pcl::PointXYZI> octree(resolution);
	octree.setInputCloud(input_cloud);
	octree.addPointsFromInputCloud();
	cout << "�������" << endl;

	/**
		�и����·�沿��
	*/
	cout << "�и����·�沿��" << endl;
	for (size_t i = 8000;i<9600; i += k) {
		cout << "-------------------------------------------------------------" << endl;
		float range = computeRange(*trail, r, i, k);
		float center = trail->points[i].x;
		float Ymin = min(trail->points[i].y, trail->points[i + k].y);
		float Ymax = max(trail->points[i].y, trail->points[i + k].y);
		float Zmin = -10000;
		float Zmax = 10000;
		cout << "range: " << range << endl;

		//�ֶ��и����ӵ�
		Eigen::Vector3f Emin(center - range, Ymin, Zmin);//0xc0c0c0c0	0x3f3f3f3f
		Eigen::Vector3f Emax(center + range, Ymax, Zmax);
		octree.boxSearch(Emin, Emax, idx);
		cout << i << "\t�����������\t" << idx.size() << endl;
		part_idx.insert(part_idx.end(), idx.begin(), idx.end());
	}

	//��ȡmidle
	boost::shared_ptr<std::vector<int>> midle_ptr = boost::make_shared<std::vector<int>>(part_idx);
	pcl::ExtractIndices<pcl::PointXYZI> extract;
	extract.setInputCloud(input_cloud);
	extract.setIndices(midle_ptr);
	extract.setNegative(false);//�����Ϊtrue,������ȡָ��index֮��ĵ���
	extract.filter(*part);


	cout << "С�α���Ϊ: data1_1.las" << endl;
	 le.savePointCloudXYZI2Las( part,"/home/qrh/桌面/experimentData/data1_1/record.las");
	//saveLASFileRGB("/home/qrh/桌面/experimentData/data1_1/record.las", part);


	//pcl::io::savePCDFileASCII("o_midle_filtered.pcd", *midle_filtered);
	cout << "����ɹ�" << endl;


	//��ȡ�켣��
	cout << "�켣����Ϊ: data1_1.las" << endl;
	tempCloud->width = 1600;
	tempCloud->height = 1;
	tempCloud->points.resize(tempCloud->width*tempCloud->height);
	int count = 0;
//	for (int i = 8000;i < 9600;++i) {
	for (int i = 9599;i >=8000;--i) {
		cout << 1 << endl;
		/*tempPnt.x = trail->points[i].x;
		tempPnt.y = trail->points[i].y;
		tempPnt.z = trail->points[i].z;
		tempPnt.rgb = trail->points[i].rgb;*/
		//tempCloud->points[i] = tempPnt;
		
		tempCloud->points[count++] = trail->points[i];
		
		cout << "ok" << endl;
	}

 le.savePointCloudXYZI2Las(tempCloud,"/home/qrh/桌面/experimentData/data1_1/trajectory.las");
	//saveLASFileRGB("/home/qrh/桌面/experimentData/data1_1/trajectory.las",tempCloud);



	return 0;
}//main



void loadLasFile(string s, pcl::PointCloud<pcl::PointXYZ>& cloud) {
	/*
		*��ȡlas�ļ�
		*/
	std::ifstream ifs(s, std::ios::in | std::ios::binary); // ��las�ļ�
	liblas::ReaderFactory f;
	liblas::Reader reader = f.CreateWithStream(ifs); // ��ȡlas�ļ�

	unsigned long int nbPoints = reader.GetHeader().GetPointRecordsCount();//��ȡlas���ݵ�ĸ���

	cloud.width = nbPoints;	//��֤��las���ݵ�ĸ���һ��	
	cloud.height = 1;
	cloud.is_dense = false;
	cloud.points.resize(cloud.width * cloud.height);

	int i = 0;
	uint16_t r1, g1, b1;
	int r2, g2, b2;
	uint32_t rgb;
	while (reader.ReadNextPoint()) {
		// ��ȡlas���ݵ�x��y��z��Ϣ
		cloud.points[i].x = (reader.GetPoint().GetX());
		cloud.points[i].y = (reader.GetPoint().GetY());
		cloud.points[i].z = (reader.GetPoint().GetZ());

		i++;
	}
}

/**
*	����켣�㴦x�����䷶Χ
*/
float computeRange(pcl::PointCloud<pcl::PointXYZI>& trail, float r, int index, int k) {
	//����n1��n2,a,bΪ�켣����2��
	float x1, y1, x2, y2, a1, a2, a3, b1, b2, b3;
	x2 = 1; y2 = 0;//n2Ϊx��������λ����
	a1 = trail.points[index].x;
	a2 = trail.points[index].y;
	a3 = trail.points[index].z;
	b1 = trail.points[index + k].x;
	b2 = trail.points[index + k].y;
	b3 = trail.points[index + k].z;
	x1 = a1 - b1;//�켣�߷�������
	y1 = a2 - b2;
	float cosa = (x1 * x2 + y1 * y2) / (sqrt(x1 * x1 + y1 * y1) * sqrt(x2 * x2 + y2 * y2));
	float sina = sqrt(1 - cosa * cosa);
	float range = r / sina;

	return range;
}

/**
*	��ȡRGB las�ļ�
*/
void loadLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZRGB>::Ptr input_cloud) {
	// ��las�ļ�
	std::ifstream ifs(s, std::ios::in | std::ios::binary);
	// ��ȡlas�ļ�
	liblas::ReaderFactory f;
	liblas::Reader reader = f.CreateWithStream(ifs);
	//��ȡ����ͷ
	liblas::Header const& header = reader.GetHeader();
	//���õ�������
	input_cloud->width = header.GetPointRecordsCount();	//��֤��las���ݵ�ĸ���һ��	
	input_cloud->height = 1;//��ʾ�������
	input_cloud->is_dense = false;//��ʾ���ܼ�����
	input_cloud->points.resize(input_cloud->width * input_cloud->height);//���µ�ĸ���

	int index = 0;
	uint16_t red_1, green_1, black_1;
	int red_2, green_2, black_2;
	uint32_t rgb;
	while (reader.ReadNextPoint()) {
		liblas::Point const& temp_point = reader.GetPoint();
		// ��ȡlas�ļ�3D����
		input_cloud->points[index].x = (temp_point.GetX());//x����
		input_cloud->points[index].y = (temp_point.GetY());//y����
		input_cloud->points[index].z = (temp_point.GetZ());//z����

		//��ȡlas�ļ���ɫ��Ϣ
		red_1 = (temp_point.GetColor().GetRed());//red
		green_1 = (temp_point.GetColor().GetGreen());//green
		black_1 = (temp_point.GetColor().GetBlue());//black
		//������ɫת��
		red_2 = ceil(((float)red_1 / 65536) * (float)256);
		green_2 = ceil(((float)green_1 / 65536) * (float)256);
		black_2 = ceil(((float)black_1 / 65536) * (float)256);
		rgb = ((int)red_2) << 16 | ((int)green_2) << 8 | ((int)black_2);
		input_cloud->points[index].rgb = *reinterpret_cast<float*>(&rgb);


		index++;
	}
	ifs.close();
}

/**
*	����RGB las�ļ�
*/
void saveLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZRGB>::Ptr save_cloud) {
	cout << save_cloud->points.size() << endl;
	//���ļ�
	std::ofstream ofs(s, ios::out | ios::binary);

	liblas::Header header;

	//���õ�����
	header.SetPointRecordsCount(save_cloud->points.size());
	//����x��y��z��������
	header.SetScale(0.0001, 0.0001, 0.0001);
	//ƫ����
	header.SetOffset(0.0, 0.0, 0.0);


	// fill other header members
	// here the header has been serialized to disk into the *file.las*
	liblas::Writer writer(ofs, header);
	liblas::Point point(&header);

	// fill other properties of point record
	for (int i = 0;i < save_cloud->points.size();++i) {
		//���õ�x��y��z����
		point.SetCoordinates(save_cloud->points[i].x, save_cloud->points[i].y, save_cloud->points[i].z);
		point.SetColor(liblas::Color(save_cloud->points[i].r, save_cloud->points[i].g, save_cloud->points[i].b));
		writer.WritePoint(point);
	}
	//writer.SetHeader(header);
	//ofs.flush();
	ofs.close();
}

xyzrgb

#include <pcl/visualization/cloud_viewer.h>
#include <iostream>//标准C++库中的输入输出类相关头文件。
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>//pcd 读写类相关的头文件。
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h> //PCL中支持的点类型头文件。
#include <pcl/octree/octree.h>
#include<fstream>  
#include <string>  
#include <vector> 
//#include <LasOperator.h> 
#include <liblas/liblas.hpp>
#include <pcl/filters/passthrough.h>
#include <pcl/segmentation/region_growing.h>
#include <pcl/search/search.h>
#include <pcl/search/kdtree.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/filters/radius_outlier_removal.h>

using namespace std;


void loadLasFile(string s, pcl::PointCloud<pcl::PointXYZ>& cloud);
float computeRange(pcl::PointCloud<pcl::PointXYZRGB>& trail, float r, int index, int k);
void loadLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZRGB>::Ptr input_cloud);
void saveLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZRGB>::Ptr save_cloud);


int main() {
	//输入点云，轨迹线，保存种子
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr input_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr trail(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr part(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr midle_filtered(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr result(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr tempCloud(new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointXYZRGB tempPnt;
	std::vector<int>idx;
	std::vector<int>part_idx;
	//变量

	float r = 10000;	//o1,使用+ 	2.5，5，10偏小，5刚好，10覆盖
	int k = 6;//20

	//读取输入点云
	cout << "读取点云" << endl;
	loadLASFileRGB("data1.las",input_cloud);
	//读取轨迹线
	cout << "读取轨迹线" << endl;
	loadLASFileRGB("trajectory1.las", trail);

	cout << "原始点数: " << input_cloud->width << " \t" << "轨迹线点数: " << trail->width << endl;

	//cloud构建八叉树
	cout << "构建八叉树" << endl;
	float resolution = 128.0f;
	pcl::octree::OctreePointCloudSearch<pcl::PointXYZRGB> octree(resolution);
	octree.setInputCloud(input_cloud);
	octree.addPointsFromInputCloud();
	cout << "构建完成" << endl;

	/**
		切割宽于路面部分
	*/
	cout << "切割宽于路面部分" << endl;
	for (size_t i = 8000;i<9600; i += k) {
		cout << "-------------------------------------------------------------" << endl;
		float range = computeRange(*trail, r, i, k);
		float center = trail->points[i].x;
		float Ymin = min(trail->points[i].y, trail->points[i + k].y);
		float Ymax = max(trail->points[i].y, trail->points[i + k].y);
		float Zmin = -10000;
		float Zmax = 10000;
		cout << "range: " << range << endl;

		//分段切割种子点
		Eigen::Vector3f Emin(center - range, Ymin, Zmin);//0xc0c0c0c0	0x3f3f3f3f
		Eigen::Vector3f Emax(center + range, Ymax, Zmax);
		octree.boxSearch(Emin, Emax, idx);
		cout << i << "\t这段种子数：\t" << idx.size() << endl;
		part_idx.insert(part_idx.end(), idx.begin(), idx.end());
	}

	//提取midle
	boost::shared_ptr<std::vector<int>> midle_ptr = boost::make_shared<std::vector<int>>(part_idx);
	pcl::ExtractIndices<pcl::PointXYZRGB> extract;
	extract.setInputCloud(input_cloud);
	extract.setIndices(midle_ptr);
	extract.setNegative(false);//如果设为true,可以提取指定index之外的点云
	extract.filter(*part);


	cout << "小段保存为: data1_1.las" << endl;
	saveLASFileRGB("data1_1.las", part);
	//pcl::io::savePCDFileASCII("o_midle_filtered.pcd", *midle_filtered);
	cout << "保存成功" << endl;


	//提取轨迹线
	cout << "轨迹保存为: data1_1.las" << endl;
	tempCloud->width = 1600;
	tempCloud->height = 1;
	tempCloud->points.resize(tempCloud->width*tempCloud->height);
	int count = 0;
	for (int i = 8000;i < 9600;++i) {
		cout << 1 << endl;
		/*tempPnt.x = trail->points[i].x;
		tempPnt.y = trail->points[i].y;
		tempPnt.z = trail->points[i].z;
		tempPnt.rgb = trail->points[i].rgb;*/
		//tempCloud->points[i] = tempPnt;
		tempCloud->points[count++] = trail->points[i];
		cout << "ok" << endl;
	}
	saveLASFileRGB("data1_1_trajectory.las",tempCloud);



	return 0;
}//main



void loadLasFile(string s, pcl::PointCloud<pcl::PointXYZ>& cloud) {
	/*
		*读取las文件
		*/
	std::ifstream ifs(s, std::ios::in | std::ios::binary); // 打开las文件
	liblas::ReaderFactory f;
	liblas::Reader reader = f.CreateWithStream(ifs); // 读取las文件

	unsigned long int nbPoints = reader.GetHeader().GetPointRecordsCount();//获取las数据点的个数

	cloud.width = nbPoints;	//保证与las数据点的个数一致	
	cloud.height = 1;
	cloud.is_dense = false;
	cloud.points.resize(cloud.width * cloud.height);

	int i = 0;
	uint16_t r1, g1, b1;
	int r2, g2, b2;
	uint32_t rgb;
	while (reader.ReadNextPoint()) {
		// 获取las数据的x，y，z信息
		cloud.points[i].x = (reader.GetPoint().GetX());
		cloud.points[i].y = (reader.GetPoint().GetY());
		cloud.points[i].z = (reader.GetPoint().GetZ());

		i++;
	}
}

/**
*	计算轨迹点处x轴两变范围
*/
float computeRange(pcl::PointCloud<pcl::PointXYZRGB>& trail, float r, int index, int k) {
	//向量n1，n2,a,b为轨迹线上2点
	float x1, y1, x2, y2, a1, a2, a3, b1, b2, b3;
	x2 = 1; y2 = 0;//n2为x轴正方向单位向量
	a1 = trail.points[index].x;
	a2 = trail.points[index].y;
	a3 = trail.points[index].z;
	b1 = trail.points[index + k].x;
	b2 = trail.points[index + k].y;
	b3 = trail.points[index + k].z;
	x1 = a1 - b1;//轨迹线方向向量
	y1 = a2 - b2;
	float cosa = (x1 * x2 + y1 * y2) / (sqrt(x1 * x1 + y1 * y1) * sqrt(x2 * x2 + y2 * y2));
	float sina = sqrt(1 - cosa * cosa);
	float range = r / sina;

	return range;
}

/**
*	读取RGB las文件
*/
void loadLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZRGB>::Ptr input_cloud) {
	// 打开las文件
	std::ifstream ifs(s, std::ios::in | std::ios::binary);
	// 读取las文件
	liblas::ReaderFactory f;
	liblas::Reader reader = f.CreateWithStream(ifs);
	//获取公共头
	liblas::Header const& header = reader.GetHeader();
	//设置点云属性
	input_cloud->width = header.GetPointRecordsCount();	//保证与las数据点的个数一致	
	input_cloud->height = 1;//表示无序点云
	input_cloud->is_dense = false;//表示非密集点云
	input_cloud->points.resize(input_cloud->width * input_cloud->height);//更新点的个数

	int index = 0;
	uint16_t red_1, green_1, black_1;
	int red_2, green_2, black_2;
	uint32_t rgb;
	while (reader.ReadNextPoint()) {
		liblas::Point const& temp_point = reader.GetPoint();
		// 获取las文件3D坐标
		input_cloud->points[index].x = (temp_point.GetX());//x坐标
		input_cloud->points[index].y = (temp_point.GetY());//y坐标
		input_cloud->points[index].z = (temp_point.GetZ());//z坐标

		//获取las文件颜色信息
		red_1 = (temp_point.GetColor().GetRed());//red
		green_1 = (temp_point.GetColor().GetGreen());//green
		black_1 = (temp_point.GetColor().GetBlue());//black
		//进行颜色转换
		red_2 = ceil(((float)red_1 / 65536) * (float)256);
		green_2 = ceil(((float)green_1 / 65536) * (float)256);
		black_2 = ceil(((float)black_1 / 65536) * (float)256);
		rgb = ((int)red_2) << 16 | ((int)green_2) << 8 | ((int)black_2);
		input_cloud->points[index].rgb = *reinterpret_cast<float*>(&rgb);


		index++;
	}
	ifs.close();
}

/**
*	保存RGB las文件
*/
void saveLASFileRGB(string s, pcl::PointCloud<pcl::PointXYZRGB>::Ptr save_cloud) {
	cout << save_cloud->points.size() << endl;
	//打开文件
	std::ofstream ofs(s, ios::out | ios::binary);

	liblas::Header header;

	//设置点数量
	header.SetPointRecordsCount(save_cloud->points.size());
	//设置x，y，z比例因子
	header.SetScale(0.0001, 0.0001, 0.0001);
	//偏移量
	header.SetOffset(0.0, 0.0, 0.0);


	// fill other header members
	// here the header has been serialized to disk into the *file.las*
	liblas::Writer writer(ofs, header);
	liblas::Point point(&header);

	// fill other properties of point record
	for (int i = 0;i < save_cloud->points.size();++i) {
		//设置点x，y，z坐标
		point.SetCoordinates(save_cloud->points[i].x, save_cloud->points[i].y, save_cloud->points[i].z);
		point.SetColor(liblas::Color(save_cloud->points[i].r, save_cloud->points[i].g, save_cloud->points[i].b));
		writer.WritePoint(point);
	}
	//writer.SetHeader(header);
	//ofs.flush();
	ofs.close();
}
frontierq
关注
专栏目录
点云格式转换（三）：las点云转txt点云（XYZ、XYZI、XYZRGB、XYZRGBIGpstime）
孙悟空
04-21 3793
本文介绍了使用C++读取as点云，并将las点云转换为txtd点云，可以根据需要自主选择要转换的字段，包括三维坐标XYZ、反射强度Intensity、真彩RGB、GpsTime等。
roi_pac install
wanion911的博客
01-06 1730
Two way to intall roi_pac 0. install basic environment apt-get update && apt-get dist-upgrade apt-get install build-essential gcc g++ gfortran make perl subversion libhdf4-dev python-dev libgdal-
note_2019_7
RTFSC_ALAN的博客
03-15 3654
MSM8909W watch项目编译问题： Checking build tools versions... ************************************************************ You asked for an OpenJDK based build but your version is java version "1.8.0_131" Java(TM) SE Runtime Environment (build 1.8.0_131-b11) Java
ugpost_tcl文件
zhangggjj1的博客
11-06 8191
########################## TCL Event Handlers ########################## b.tcl - 3_axis_mill 这是 3 轴铣床。 Created by dp @ Wednesday, November 06, 2019 8:52:33 AM China Standard Time with Post Builder ...
Altium Designer记录_AD23
qq_51363965的博客
07-17 1651
Altium Designer全流程操作记录
网络安全基础{英文答案}_OCR
qq_62164234的博客
06-13 1万+
Chapter1be.-5-a.a.-7-13ReleaseofmessagecontentsTrafficanalysisMasqueradeReplayDenialofserviceYYYYVYYYY-8-1.6ReleaseofmessagecontentsTrafficanalysisMasqueradeReplayDenialofserviceYYYYYYYYYYYexchangeYYY。
数据分析__描述性统计分析
我是天才很好
09-09 1090
说明:本文为博主原创文章，未经博主允许不得转载。 如果代码有不懂的,欢迎与我探讨! 邮箱:1103540209@qq.com github地址:https://github.com/wstchhwp 描述性统计分析 1.单因子频数:描述名义变量的分布-----条形图、饼状图 2.单变量描述:描述连续变量的分布-----直方图 3.两个分类变量+频数(统计样本数用的）：表分析（先行后列）------...
PROE_CONFIG
weixin_30879833的博客
07-21 1211
关于配置文件选项 为配置文件输入所需的设置，可以预设环境选项和其它全局设置。要设置配置文件选项，使用“选项”对话框（“实用工具”>“选项”）。 本帮助模块含有一个按字母顺序显示每一选项或相关选项组的配置选项列表： ·配置选项名称。 ·相关变量或值。选项的缺省值显示为斜体。 ·简单说明。 accuracy_lower_bound 数值（在1.0e-6和1.0e...
Topic 1 Single_Cell_analysis（4）
羊羊的博客
03-28 693
Topic 1 Single_Cell_analysis（4） 文章目录Topic 1 Single_Cell_analysis（4）Part 1 Scissor() debug——binomial 数据处理1.1 加载package1.2 加载单细胞数据1.3 将单细胞数据转化为Seurat类型1.4 加载bulk数据1.5 parameter 赋值1.6 检查bulk-cell和single-cell的intersect1.7 得到processed data 和 细胞间的network1.8 将net
linux全志R16的linux系统编译的资料_20170502_1655.7z
05-02
[Y/n] y 获取：1 http://cn.archive.ubuntu.com/ubuntu/ trusty/main libencode-locale-perl all 1.03-1 [12.4 kB] 获取：2 http://cn.archive.ubuntu.com/ubuntu/ trusty/main libhttp-date-perl all 6.02-1 [10.4...
AM335X——hwmon和input子系统
hceng_linux
05-08 2713
CSDN仅用于增加百度收录权重，排版未优化，日常不维护。请访问：www.hceng.cn 查看、评论。 本博文对应地址: https://hceng.cn/2019/01/18/AM335X——hwmon和input子系统/#more 记录两个SPI设备分别采用hwmon子系统和input子系统。 刚开始学Linux驱动的时候，就看了input子系统，现在都忘得差不多了，不过回忆起来也还快，这里...
Kaggle_Titanic生存预测 -- 详细流程吐血梳理
热门推荐
大树先生的博客
12-06 6万+
Kaggle 泰坦尼克生存预测，详细流程分析整理：特征分析，特征工程，数据处理，Stacking框架，xgboost融合
Django+Vue考勤系统答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
Django+Vue购物商城系统答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
基于KAN的轴承故障诊断（Python完整源码和数据）
最新发布
10-10
基于KAN的轴承故障诊断（Python完整源码和数据） Pytorch，torch==2.2.2，具体含基于KAN卷积的轴承故障分类。 KAN（Kolmogorov–Arnold Networks）的模型，它对标的是MLPs（多层感知机），这个模型由数学定理Kolmogorov–Arnold启发得出的。该模型最重要的一点就是把激活函数放在了权重上，也就是在权重上应用可学习的激活函数，这些一维激活函数被参数化为样条曲线，从而使得网络能够以一种更灵活、更接近Kolmogorov-Arnold 表示定理的方式来处理和学习输入数据的复杂关系。
高清车牌识别管理系统V9.9-2023-08-09-9.9-安装包
10-10
免狗、面加密
Java源代码-ssm+vue开发大学生第二课堂（含数据库、论文等资料文件）.zip
10-10
本项目是一个基于SSM（Spring+SpringMVC+MyBatis）框架和Vue.js前端技术的大学生第二课堂系统，旨在为大学生提供一个便捷、高效的学习和实践平台。项目包含了完整的数据库设计、后端Java代码实现以及前端Vue.js页面展示，适合计算机相关专业的毕设学生和需要进行项目实战练习的Java学习者。 在功能方面，系统主要实现了以下几个模块：用户管理、课程管理、活动管理、成绩管理和通知公告。用户管理模块支持学生和教师的注册、登录及权限管理；课程管理模块允许教师上传课程资料、设置课程时间，并由学生进行选课；活动管理模块提供了活动发布、报名和签到功能，鼓励学生参与课外实践活动；成绩管理模块则用于记录和查询学生的课程成绩和活动参与情况；通知公告模块则实时发布学校或班级的最新通知和公告。 技术实现上，后端采用SSM框架进行开发，Spring负责业务逻辑层，SpringMVC处理Web请求，MyBatis进行数据库操作，确保了系统的稳定性和扩展性。前端则使用Vue.js框架，结合Axios进行数据请求，实现了前后端分离，提升了用户体验和开发效率。 该项目不仅提供了完整的源代码和相关文档，还包括了详细的数据库设计文档和项目部署指南，为学习和实践提供了便利。对于基础较好的学习者，可以根据自己的需求在此基础上进行功能扩展和优化，进一步提升自己的技术水平和项目实战能力。
Django+Vue智能旅游推荐系统答辩PPT.ppt
10-10
计算机毕业设计答辩PPT
请帮我详细注释下列代码：public class PlateRecognize { public int plateRecognize(Mat src, Vector<String> licenseVec) { //���Ʒ��鼯�� Vector<Mat> plateVec = new Vector<Mat>(); int resultPD = plateDetect.plateDetect(src, plateVec); if (resultPD == 0) { int num = (int) plateVec.size(); for (int j = 0; j < num; j++) { Mat plate = plateVec.get(j); //��ȡ������ɫ String plateType = charsRecognise.getPlateType(plate); //��ȡ���ƺ� String plateIdentify = charsRecognise.charsRecognise(plate); String license = plateType + ":" + plateIdentify; licenseVec.add(license); } } return resultPD; }
04-22
这段代码是一个Java类，名为PlateRecognize。它定义了一个public方法plateRecognize，该方法接受一个名为src的Mat对象和一个名为licenseVec的Vector<String>对象作为输入参数，并返回一个int型的值。在方法内部，首先创建一个名为plateVec的Vector<Mat>对象，用于存储车牌图像。然后调用plateDetect.plateDetect方法对输入图像进行车牌检测，返回的结果赋值给resultPD。如果车牌检测成功（resultPD为0），则遍历得到的所有车牌图像，对每个车牌依次进行字符识别。具体来说，对于每个车牌图像，首先调用charsRecognise.getPlateType方法获取车牌类型（如蓝牌、黄牌等），然后调用charsRecognise.charsRecognise方法对车牌图像进行字符识别，得到车牌号码。最后，将车牌类型和车牌号码拼接成一个字符串，并将该字符串添加到licenseVec中。最后返回resultPD。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值