![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
3d点云
文章平均质量分 58
℉AVE
这个作者很懒,什么都没留下…
展开
-
相机以及其它传感器传感器
左侧:可视点云距离相对较远,地面点云相对完整。但是细节相对模糊(地面上垃圾桶形状不规则、桌面物体点云轮廓不够平整),无法看到毛玻璃,并且毛玻璃上面的窗户框也被丢失。可视点云相对较近,地面点云缺失。细节相对清晰(地面上垃圾桶形状规则、桌面物体点云表面平整),无法看到毛玻璃,可以看到玻璃上的塑料框。1.对特殊材质、颜色的检测效果:透明塑料、金属、毛玻璃、高反光物体(镜子、水坑)、吸光物体(黑色物体)。5.点云质量:平面是否平整,物体形状是否完整,物体形状是否准确是否棱角分明,表面是否存在噪点。原创 2023-11-13 15:49:25 · 506 阅读 · 0 评论 -
相机坐标系之间的转换
一个有4个坐标系:图像坐标系、像素坐标系、相机坐标系、世界坐标系。原创 2023-10-10 22:39:27 · 844 阅读 · 1 评论 -
C++pcl学习
(1)DBSCAN通过检查数据集中每点的Eps邻域来搜索簇,如果点p的Eps邻域包含的点多于MinPts个,则创建一个以p为核心对象的簇;(2)然后,DBSCAN迭代地聚集从这些核心对象直接密度可达的对象,这个过程可能涉及一些密度可达簇的合并;(3)当没有新的点添加到任何簇时,该过程结束。简单理解:在每个点的Eps邻域内拥有点的个数多于MinPts,那么认为p为核心对象簇的一员。即dbscan认为密度可达的点即为一个簇,这也是dbscan聚类的核心思想。原创 2023-07-25 23:33:36 · 1271 阅读 · 0 评论 -
点云可视化工具cloudcompar
3d点云原创 2023-04-04 14:35:18 · 273 阅读 · 0 评论 -
深度学习3d语义分割学习笔记
3d点云分割原创 2023-03-31 14:34:41 · 202 阅读 · 0 评论