点云学习记录

已于 2022-10-25 11:54:38 修改
阅读量278 收藏
点赞数
分类专栏： # Open3D学习 文章标签： 大数据
于 2022-07-02 22:14:14 首次发布
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_42813620/article/details/125578572
版权

1.点云-PCA降维

点云数据为M*N的矩阵，要降维为K维。

先对M*N的矩阵求协方差矩阵，将协方差矩阵对角化，因为对角化说明各个维度之间的方差不为零，协方差为零，则说明对角化的协方差矩阵可以留下更多信息。

协方差矩阵对角化过程中产生的特征向量的前K行，再乘以原矩阵就可以得到降维后的点云数据。

可参考：CodingLabs - PCA的数学原理PCA：详细解释主成分分析_lanyuelvyun的博客-CSDN博客_pca

Kernel-PCA

步骤如下： 

Yr是降维后的数据。

第一步核函数的选择：

奋进在AI路上的小李
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【读论文】机载LiDAR点云数据降维与分类的随机森林方法(2018)
Yang_Wanli的博客
11-22 1246
机载LiDAR点云数据降维与分类的随机森林方法(2018) 熊 艳 高仁强 摘要： 探索自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云分类算法****在提取依赖邻域结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂，并且缺乏对分类特征参数的重要性评估和选择等问题，本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上，提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征６大
点云检测学习笔记2022
jacke121的专栏
06-01 1330
点云检测学习笔记2022
PCL点云学习（—）
qq_38446366的博客
08-09 364
安装与使用：qt+ubuntu下使用：  1. 安装教程主要看：https://blog.csdn.net/datase/article/details/78899724  2. qt使用pcl:在工程文件.pro中添加下面内容：   https://blog.csdn.net/we1583004we/article/details/79350967   INCLUDEPATH += /...
基于3D点云的小目标检测学习笔记
sinounuo的博客
03-16 2785
3D点云检测学习笔记（仅为内容整理，有些东西比较省略，我放了原作者连接）
【读论文】2018-机载LiDAR 点云数据降维与分类的随机森林方法
自动驾驶行业学习、交流
03-28 1587
摘要 考虑到现有的点云分类算法在提取依赖结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂，并且缺乏对分类特征参数的重要性评估和选择等问题。 选取了归一化高度、高度统计量、表面特征、空间分布特征、回波特性、强度特征6大类特征参数，并构建多尺度特征参数 使用随机森林的特征选择算法对分类特征进行优化，然后进行点云分类 实验表明，归一化高度特征在点云分类中所起作用最大 归一化高度 基于布料...
三维点云处理（二）——PCA
weixin_45563167的博客
06-05 1897
上一回我们介绍了点云的基本概念，然后介绍了不同感知源头获取到数据的各种特征，之后是处理点云数据的一些主流方法，今天开始正式进入传统数学方法的研究下面正式开始介绍提示：今天学习的PCA，是除了深度学习之外，另一种做图像信息识别的传统方法，在理论推演过程中涉及到线性代数和对称矩阵变换等数学方法，需要我们对谱定理，瑞利熵定理和奇异值分解知识有一定基础，还需要了解数据点在不同维度聚类的情况，降维在不同向量上的特征表现。CSND知乎文章B站视频。
点云学习笔记之三（未整理版）
WODETKYCD的博客
04-20 81
txt格式为 x y z(中间含有空格) -154.881 76.365 -3.768 -154.906 76.386 -3.860 -154.804 76.427 -3.861 txt转换pcd： // 将txt文件转换为pcd文件 #if 1 #include #include #include #include #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> using namespace std; int m
3D电力线点云学习笔记
m0_61414859的博客
04-21 240
L001line,npy是001数据提取后的点云集，.npy中放着点云的坐标值。# ***1. 绘制原始数据图像L001line.npy***经过霍夫变换检测到的直线加判断，使得相近的直线合并为一根。#根据点到直线的距离提取符合阈值的电力线。#将筛选后得到的电力线点保存。
KITTI点云数据详细分析学习笔记
最新发布
01-12
KITTI点云数据详细分析学习笔记 KITTI点云数据集是由安德烈·盖勒（MPI Tübingen）、菲利普·伦茨（KIT）和克里斯托夫·施特勒（KIT）等人创建的，旨在为三维目标检测提供一个高质量的数据集。该数据集包含7481个...
PCL学习笔记——NormalEstimation估计点云的法向量_代码.zip
06-06
在提供的压缩包中，"PCL学习笔记——NormalEstimation估计点云的法向量_代码.pdf"很可能是对PCL中Normal Estimation算法的详细讲解，包括理论概念和实现代码。另一份文档"写个想从事自动驾驶相关工作的同学及学习...
点云算法（深度学习）
weixin_41965898的博客
08-29 2万+
点云与深度学习 ​
看！数据分析领域中最为人称道的七种降维方法
zdy0_2004的专栏
11-22 1万+
http://dataunion.org/20803.html 感谢王穆荣的投稿，转载请注明出处：数盟社区 近来由于数据记录和属性规模的急剧增长，大数据处理平台和并行数据分析算法也随之出现。于此同时，这也推动了数据降维处理的应用。实际上，数据量有时过犹不及。有时在数据分析应用中大量的数据反而会产生更坏的性能。 最新的一个例子是采用 2009 KDD Challenge 大数据集来预测客户
点云学习---入门
liuxiaojiangtobeno1的博客
05-07 3399
1.点云数据格式 常见的点云格式包括： *.las：用于激光雷达点云及其他任何三维xyz元组，是一种用于交换三维点数据的公共文件格式。文件主要由4部分组成，包括公共头块（包含版本号、缩放因子、偏移值、时间、范围等），变长记录（包含变长类型数据、坐标投影信息和用户信息等），点数据记录（包括三维坐标、回波、强度、扫描角度、分类、飞行航带、飞行姿态、GPS时间、点颜色等信息），扩展的边长记录。LAS文件按每条扫描线排列方式存放数据，包括激光点的三维坐标、多次回波信息、强度信息、扫描角度、分类信息、飞行航带信息
PCA降维原理 操作步骤与优缺点
热门推荐
TranSad的博客
05-30 3万+
PCA全称是Principal Component Analysis，即主成分分析。它主要是以“提取出特征的主要成分”这一方式来实现降维的。 介绍PCA的大体思想，先抛开一些原理公式，如上图所示，原来是三维的数据，通过分析找出两个主成分PC1和PC2，那么直接在这两个主成分的方向上就可以形成一个平面，这样就可以把我们三位的样本点投射到这一个平面上（如右图）。那么此时的PC1和PC2都不单单是我们的其中某一维特征，而是各个特征通过某种线性变化的组合结果。这就是PCA降维宏观上的效果。 ...
PCL点云程序学习
从简单做起，从心做起
07-23 1万+
这是本人写的第一篇博客，对PLC程序进行了初步了解，如有不正确的地方还请提出，下面则是我对PLC的初步理解和学习 1.下面编辑一段简单的代码cloud_viewer_PointXYZ.cpp，将其在新建的工程中粘贴过去，保存 #include #include #include #include int user_data; void viewerOneOff (pc
利用PCA算点云主方向
weixin_41269731的博客
05-28 5649
https://www.cnblogs.com/liuwu265/p/4719205.html PCA原理：https://www.cnblogs.com/jiangu66/archive/2013/05/17/3084488.html
点云深度学习系列博客(一): 点云特征学习网络PCPNet
04-30 4966
最近开始研究点云分析的相关项目，经过文献调研我发现，近几年比较热的方法，基本都是基于深度学习框架设计的。正好我计划在2022年切入点云深度学习这个研究方向，于是我决定创建一个博客专题，翻译和编辑一批具有代表性意义的点云深度学习研究报告，即方便为我自己的研究计划提供素材，又希望能够帮助到有需要的小伙伴参考与学习。如果你对这个专题感兴趣，希望能够关注我的博客，那将是对我创作的最大支持。
点云深度学习系列由浅入深之--PointNet
csuwoshikunge的博客
09-08 2489
点云深度学习系列由浅入深之--PointNet1. 随着一些深度传感器的应用，如Kinect,ToF以及激光，获取图像的同时可以得到深度图，进而可以计算出对应图像的点云。点云是表达3D几何结构的一个重要形式，具有如下的特性： (I) 稀疏性：每张图片对应的点云数据反应的是场景中的物体的表面，在3D空间中即为曲面，体积为零，所以在3D空间来看， 点云数据是非常稀疏的。 (II) 无序性：假设有n...
PCL学习笔记：点云数据处理与过滤技术解析
"PCL学习笔记提供了对PCL库中常见函数的详细说明，包括图形和文字解释，适合点云库的学习者。" PCL（Point Cloud Library）是一个开源的C++点云处理库，广泛应用于3D计算机视觉、机器人、自动驾驶等领域。本学习...
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

打赏作者

奋进在AI路上的小李

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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