![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
点云处理
文章平均质量分 89
略知12
略会的:MCU(STC、STM、GD)、编程语言(C/C++、Python、JAVA、Kotlin、Js、Matlab、Sql)、通信协议(HTTP、RTP、MQTT)、数据分析(SPSS)、人工智能(Pytorch、TensorFlow)、界面开发(QT、Android、微信小程序、网页)、多学科基础知识(经济学、市场营销、心理学、工业设计);感兴趣的:书籍(历史、传记、经典名著)、知识(管理、金融、口才);目前职务:算法工程师;想从事的: 环境治理(基于物联网的数据服务商)(曾从事)、个人健康(基于智能穿戴的中老年人健康管理监控)(正在从事)、科技娱乐(基于混合显示或人工智能的新娱乐)
展开
-
点云处理【七】(点云配准)
点云配准一般分为粗配准和精配准,粗配准指的是在两幅点云之间的变换完全未知的情况下进行较为粗糙的配准,目的主要是为精配准提供较好的变换初值;(1)Point-to-Plane ICP:将icp中点到点的距离改为点到目标面的距离,这样就不容易陷入局部最优,但也增加了计算量。4PCS:四点配准算法(4PCS)基于寻找四个点的一致集合,并尝试找到最佳的变换,使得这些点在源和目标点云中都是一致的。基于优化的配准方法大致可分为4种方法:基于ICP的变种方法、基于图优化的、基于GMM的和半定的配准方法。原创 2023-10-26 22:04:46 · 4385 阅读 · 0 评论 -
点云处理【六】(点云分割)
2.用1中得到的模型去测试所有的其它数据,如果某个点与模型的误差小于某个阈值,则该点适用于这个模型,认为它也是局内点。随机种下曲率较小的种子后进行延申,根据种子邻域与法线之间的角度与阈值比较,从而判断是否处于哪个领域。1.从一个样本集S中,随机抽取n个样本,拟合出一个模型,n是能够初始化模型的最小样本数。4.用所有假设的局内点去重新执行1,2,估计模型,因为它仅仅被初始的假设局内点估计过。3.如果模型内的局内点达到一定个数,那么估计的模型就足够合理。类RegionGrowing.py。原创 2023-10-20 18:57:38 · 1368 阅读 · 0 评论 -
点云处理【五】(点云特征提取)
PFH通过参数化查询点与邻域点之间的空间差异,并形成一个多维直方图对点的k邻域几何属性进行描述。点特征直方图(PFH)表示法是基于点与其k邻域之间的关系以及它们的估计法线,简言之,它考虑估计法线方向之间所有的相互作用,试图捕获最好的样本表面变化情况,以描述样本的几何特征。它的思想在于分别计算查询点的k邻域中每一个点的简化点特征直方图(Simplified Point Feature Histogram,SPFH),再通过一个公式将所有的SPFH加权成最后的快速点特征直方图。通常点云特征与关键点结合使用。原创 2023-10-20 14:18:41 · 2097 阅读 · 0 评论 -
点云处理【四】(点云关键点检测)
Harris关键点检测通过计算每个点的协方差矩阵,求解特征值和特征向量,来判断该点是否为关键点。它通过在多个尺度下对点云进行高斯滤波和差分操作,来提取稳定性和尺度不变性的关键点。它通过将点云投影到二维图像上,并计算每个像素周围梯度直方图,来寻找具有唯一性和重复性的关键点。ISS 关键点通过计算每个点与其近邻点的曲率变化,得到该点的稳定性和自适应尺度,从而提取稳定性和尺度合适的关键点。我们获得的数据量大,特别是几十万个以上的点云,里面有很多冗余数据,会导致处理起来比较耗时。//关键点估计的近邻搜索半径。原创 2023-10-20 11:26:24 · 1759 阅读 · 2 评论 -
点云处理【三】(点云降采样)
在MLS法中,需要在一组不同位置的节点附近建立拟合曲线,每个节点都有自己的一组系数用于定义该位置附近拟合曲线的形态。通过在法向量空间内均匀随机抽样,使所选点之间的法线分布尽可能大,结果表现为地物特征变化大的地方剩余点较多,变化小的地方剩余点稀少,可有效保持地物特征。首先随机选择一个点,其次,在剩下点中寻找最远的点,再去再剩下点中找到同时离这两个点最远的点,直到满足采样点个数。此外,每个节点的系数取值只考虑其临近采样点,且距离节点越近的采样点贡献越大,对于未置较远的点则不予考虑。就是每隔多远采集一个点,原创 2023-10-17 18:04:10 · 1701 阅读 · 0 评论 -
点云处理【二】(点云滤波)
第二章 点云滤波]原创 2023-10-17 08:55:57 · 1718 阅读 · 0 评论 -
点云处理【一】(点云数据采集)
深度图像是一个二维图像,其中每个像素的值表示物体表面与相机或传感器之间的距离。点云是一个三维数据结构,其中每个点都有X、Y和Z坐标,表示物体表面上的点在空间中的位置。深度相机是一种可以捕捉三维信息的数字相机。它通常使用红外、结构光或时差法来测量物体距离相机的深度。深度相机可分为三类:红外结构光传感器,ToF传感器,双目立体相机红外结构光传感器利用红外光源发射预设的结构光模式(如点阵或其他模式)至目标上,然后通过检测反射回来的结构光模式的变形来测量物体的深度信息。原创 2023-10-10 14:37:53 · 2457 阅读 · 0 评论