![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
C++项目实践
文章平均质量分 76
weixin_42734533
这个作者很懒,什么都没留下…
展开
-
基于三维点云的机器人杆件目标识别与抓取(七)
@点云数据精配准经点云数据粗配准算法SAC_IA算法或4PCS算法配准处理后,源点云与目标点云基本重合,但仍存在匹配偏差。为了降低彼此间的匹配偏差,需要在粗配准结果的基础上采用精配准处理,对当前位姿进行修正,从而提高源点云数据与目标点云数据之间的配准精度。本文采用的精配准算法为最近点迭代配准算法。提示:以下是本篇文章正文内容,下面案例可供参考ICP数据精配准2 点云数据配准实验及分析...原创 2021-12-28 22:25:21 · 1748 阅读 · 0 评论 -
基于三维点云的机器人杆件目标识别与抓取(六)
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@基于点云配准的场景目标杆件位姿估计1 前言本章主要介绍场景中桁架杆件目标的位姿获取方法及过程。本文采用点云数据配准的方式获取场景目标的位姿信息[50]。通过创建桁架杆件目标的模型点云数据与实际场景中识别的桁架杆件目标的点云数据进行配准,计算两点云数据之间的变换关系,进而求得实际桁架杆件目标的位姿。为了提高两组点云数据在数据配准过程中快速性和准确性,点云数据配准过程分为数据粗配准和数据精配准两部分。本文采用采样一致性算法(SAC_IA原创 2021-12-21 23:26:25 · 945 阅读 · 0 评论 -
基于三维点云的机器人杆件目标识别与抓取(五)
@基于多层条件阈值判据的目标杆件识别前言如上节所述,基于模型特征描述匹配的目标识别方法,对场景点云数据的精度要求高,且要求识别过程视角保持不变,因此基于模型特征描述匹配的目标杆件识别方法在实际识别过程中存在适应性不足的问题。根据当前的实验条件和实验要求,考虑到桁架杆件外形特征,本文提出多层条件阈值判据的目标杆件识别方法。该方法需要针对场景点云数据子集创建最小包围盒,根据杆件特征设置不同的阈值条件,通过层层筛选,进而完成场景目标杆件的识别,通过实验验证可知,该方法能够有效实现场景杆件目标的识别且识别率较原创 2021-12-19 21:09:44 · 1166 阅读 · 1 评论 -
基于三维点云的机器人杆件目标识别与抓取(四)
@基于点云特征描述匹配的目标识别识别基于点云特征描述匹配的目标识别方法主要分为离线注册与在线识别两个过程。离线注册过程,需要创建待识别目标的模型点云,可以通过CAD模型的点云化获得,也可以通过数据采集设备获得。对获得的模型点云进行特征描述并生成特征描述文件。在线识别阶段,需要对经点云数据分割后得到的模型点云数据子集进行特征描述,分别与离线注册生成的目标特征描述文件进行特征匹配,累计投票得到预测的中心点,并计算匹配相似度,提取匹配相似度最高的点云子集,作为场景中所要识别的目标,进而完成场景桁架杆件目标的识别原创 2021-12-15 22:54:13 · 5448 阅读 · 1 评论 -
基于三维点云的机器人杆件目标识别与抓取(三)
本片博文将主要介绍几种基于点云数据的基本特征描述方法,包括:点法向量估计、点特征直方图(PFH)、快速点特征直方图(FPFH),接下来将依次对齐原理、实验及相关代码进行展示与介绍。特征描述一、点云特征描述在点云数据分割、目标识别、位姿配准、表面重建等点云数据处理算法中,点云特征描述起到尤为基础和重要的作用。根据特征的空间尺度进行分类,可分为单点、局部及全局特征。针对点云数据的局部和全局特征,目前已有很多成熟稳定的点云特征描述子对点云数据进行特征描述与表达,如图3-1所示。二、点云法线特征描述原创 2021-05-16 10:26:35 · 1090 阅读 · 0 评论 -
基于三维点云机器人杆件目标识别与抓取(二)
本篇博文将继续介绍点云数据的预处理内容,本篇主要介绍点云数据的分割处理。利用点云数据的轮廓、分布、几何等特征,对数据进行分割处理,并根据数据间的不同的特征对数据进行分类。点云数据分割是进行场景目标识别的前提。经数据滤波算法处理后的点云数据,对所要识别的对象而言仍存在大量无效的背景点,因此需要点云数据分割并对不同类别的点云数据进行聚类,才能更好地进行数据特征提取与识别。针对实际检测环境,本文将通过随机采样一致性分割算法(RANSAC)分割大面积场景背景,通过聚类分割算法将场景中满足要求的对象从场景点云数据中原创 2021-05-13 11:08:41 · 847 阅读 · 0 评论 -
基于三维点云机器人杆件目标识别与抓取(一)
从本文开始,我将近一年的课题学习与研究,已分片的形式来记录和展示。将通过这几篇博文的介绍,展示自己的学习和研究过程中采用的方法及其相关结果显示。下图所示为基于位置的机器人视觉伺服反馈控制方法,本课题侧重于视觉伺服反馈部分中的场景超长杆件的目标识别及杆件的位姿估计。本篇博文将介绍数据的采集以及数据的预处理等相关内容。一、场景数据采集点云数据通常由深度图生成,本文基于双目视觉成像原理获取深度图,红外点阵投射器将结构光投射到物体表面,左右红外相机获取左右图像,根据三角测量原理得到视差图,由视差图进而生原创 2021-05-13 10:43:39 · 1552 阅读 · 0 评论 -
C++实践项目一:基于多态搭建企业员工管理系统,实现信息的增、删、改、查、排序
C++实践项目一:基于多态搭建企业员工管理系统,实现信息的增、删、改、查、排序基于多态的信息管理系统是典型的团体管理系统,对于任何存在明显的角色分工的团体和组织(学校的学生教职工、政府单位各部门等)都可以以此进行拓展,本系统是基于C++面向对象中多态与动态绑定的机制实现的。多态性的概述多态是指同样的消息被不同类型的对象接受时导致不同的行为。所谓信息是指对类的成员函数的调用,不同的行为是指不同的实现,也就是调用了不同的函数。简单的例子:运算符使用同样的“+”就可以实现整型数之间、浮点数之间、双精度浮原创 2020-12-13 21:14:48 · 1514 阅读 · 0 评论