自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 资源 (2)
  • 收藏
  • 关注

原创 Python实现已知相机位姿的稀疏重建

【代码】Python实现已知相机位姿的稀疏重建。

2023-02-27 17:04:37 448 1

原创 使用Open3d可视化.h5格式的点云

使用Open3d可视化.h5格式的点云PointNet数据集indoor3d_sem_seg_hdf5_data1. 下载链接2. 数据格式简介3. 可视化一个Block4. 结果PointNet数据集indoor3d_sem_seg_hdf5_data1. 下载链接https://shapenet.cs.stanford.edu/media/indoor3d_sem_seg_hdf5_data.zip2. 数据格式简介indoor3d_sem_seg_hdf5_data 文件夹共有ply_da

2022-03-21 21:27:56 2175

原创 CloudCompare插件编写

CloudCompare制作插件

2021-11-18 10:17:10 765

原创 pcl 自定义descriptor(描述符) 遇到的问题

使用pcl自定义一个描述符,并使用KdTreeFLANN类寻找最邻近描述符,遇到以下问题:自定义描述符如下: struct VATDShapeContext363 { float histogram[363]; static int descriptorSize() { return 363; } };出现如下错误:LNK2019: 无法解析的外部符号 "public: __cdecl pcl::KdTreeFLANN<struct pcl::VATDShapeCont

2021-10-15 22:30:57 441

翻译 CGAL::2D Arrangements

1.Introduction提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言 一、pandas是什么? 二、使用步骤 1.引入库 2.读入数据 总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的

2021-08-10 15:07:59 1001

原创 Guaranteed Outlier Removal for Point Cloud Registration with Correspondences

1. 问题公式化:其中,代表函数的参数,是输入点云的索引,他的子集通常称为一致集,最优的使得获取最大的一致集。将称为inliers,为outliers。(注意这里的问题是求最大一致性点集,而不是ICP配准问题的L2距离)2 Theory of GORE上述问题可以写为:其中,定义为子问题的最大目标值,总结起来就是,寻找变换矩阵使得更多点一致,并且给定必须将配准(大概意思是假设点k是满足公式1的,求其他点组成的最大一致性集)将作为原始问题lower bound,任...

2021-07-09 21:34:15 573

原创 Go-ICP: A Globally Optimal Solutionto 3D ICP Point-Set Registration(2016)

Go-ICP:三维ICP点集配准的全局最优解(截至目前谷歌学术引用419)1. Problem Formulation配准问题是非凸的。范数最小二乘容易受离群点(outlier)的影响2. The Branch and Bound Algorithm使用angle-axis表达,旋转可以表示为一个3D向量,轴为,角度为,对应的旋转矩阵为:Rodrigues’ rotation formula(罗德里格旋转公式)用angle-axis表示,整个三维旋转空间可以在中紧凑地..

2021-07-08 20:53:56 2874

原创 Fast Global Registration(快速全局配准)

Fast Global Registration配准问题的目标函数: 其中ρ\rhoρ取为带缩放系数的Geman-McClure函数:它表示一种对误差的测量,相比于均匀方误差具有更好的抗噪性.当其中参数μ\muμ较大时,ρ(x)\rho(x)ρ(x)受较大范围的自变量变化影响,而随着μ\muμ的减小ρ(x)\rho(x)ρ(x)将更容易受到较小xxx的影响,从而将距离较大的匹配点对作为异常点(outlier)无效化.2. 目标函数的高效优化方法:通过将线过程(Line Pri..

2021-07-07 22:12:12 3379

原创 TEASER: Fast and Certifiable Point Cloud Registration

快速且可证明的点云配准分别解耦平移,旋转,尺度解耦平移:平移矩阵可以通过相减的方式消去解耦旋转:两个点之间的距离与旋转和平移矩阵都无关:现在不知道的变量只有尺度s,然后:1)使用TRIMs估计尺度s~\tilde{s}s~2)使用TIMs和s~\tilde{s}s~估计旋转R~\tilde{R}R~3)使用s~\tilde{s}s~旋转R~\tilde{R}R~估计平移t~\tilde{t}t~四元数的理解:https://blog.csdn.net/wang15061955

2021-07-07 16:08:01 547

原创 ICP with Globally optimal matching on Hybrid metric space(GHICP)

ICP with Globally optimal matching on Hybrid metric space(GHICP)属于一种全局特征点匹配。通过构建能量函数,寻找全局最优的特征点匹配。通过计算曲率寻找关键点。能量函数包括特征相似性和几何相似性。 构建二进制形状上下文(BSC)作为特征描述,汉明距离度量特征的相似性,特征点之间的欧氏距离度量几何相似性。构建二分图,通过K-M算法找到全局最优的匹配点迭代计算最优变换参数,在迭代过程中不断自适应调整权重算法流程

2021-07-04 09:56:45 220

原创 Point Set Registration with Integrated Scale Estimation

1. Our approach integrates the scale estimation into the ICP algorithm, so that rotation, translation, and scale factor are estimated simultaneously in every iteration of the algorithm.(将尺度因素整合到ICP中,在每次迭代中同时估计R,T,s)2. 添加尺度因子s后ICP公式变为: (R∗,t∗,s∗)=arg min⁡R

2021-06-29 22:35:09 238

原创 判断点在四边形内

判断点在四边形内bool isPointInRect(PtCloud p, vector &vertex){float a= (vertex1.x - vertex[0].x)(p.y - vertex[0].y) - (vertex1.y - vertex[0].y)(p.x - vertex[0].x);float b = (vertex2.x - vertex1.x)(p.y...

2019-09-25 21:16:27 659

mobile_pt_data.zip

车载点云

2021-10-25

building_segmentation_data.txt

building_segmentation_data.txt

2021-10-25

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除