PointCloud
文章平均质量分 85
点云数据类
啥也不是的py人
这个作者很懒,什么都没留下…
展开
-
pointnetgpd复现
其他报错看:https://askubuntu.com/questions/916260/how-to-install-point-cloud-library-v1-8-pcl-1-8-0-on-ubuntu-16-04-2-lts-for。可以参考:https://blog.csdn.net/singlesmile/article/details/124946192。先参考上面的安装提示(vtk以及安装文件修改等),一定要按照上面的安装走。conda环境安装python-pcl见如下。原创 2023-11-12 19:19:07 · 543 阅读 · 2 评论 -
Octree八叉树python
简单示例:我们可以使用八叉树将这些点云数据存储在三维空间中。首先,我们创建一个八叉树根节点,它表示一个立方体区域,例如中心在原点 (0, 0, 0),尺寸为 1 的立方体。然后,我们将点云数据逐个插入到八叉树中。在插入过程中,根据每个点的位置,我们可以判断它属于哪个子空间。例如,在这个示例中,点 (0.1, 0.1, 0.1) 属于 x 轴正方向的子空间,而点 (0.4 0.1, 0.1) 也属于 x 轴正方向的子空间。我们将每个点插入到相应的子空间,并在需要时将子空间继续细分。原创 2023-08-17 22:46:55 · 425 阅读 · 0 评论 -
python读取点云文件(.stl文件、.obj文件)(以及转换为obj方法)
编辑完了之后保存,并将文件后缀名改为stl,即可完成一个创建了一个stl文件。facet normal [i j k] //面的法线,i、j、k为三个分量,各分量之间用空格隔开,不能用逗号隔开。STL只能用来表示封闭的面或者体,stl文件有两种:一种是ASCII明码格式,另一种是二进制格式。vertex [x y z] //三角面片的第一个点,x、y、z三个坐标之间要用空格隔开。三角面片的信息单元 facet 是一个带矢量方向的三角面片。vertex [x y z] //三角面片的第二个点。原创 2023-02-09 16:44:46 · 6305 阅读 · 0 评论 -
GraspNet-1Billion
然后,类似于抓取标注的生成过程,在给定不同的µ的情况下,我们可以通过力闭合度量得到每个抓取姿势的二进制标签。这些图像是从190个杂乱的场景中收集的,每个场景都贡献了两个不同摄像头拍摄的512张RGB-D图像,总共带来了97,280张图像。测试集中30个用于见过的物体,30个用于没见过但相似的物体,30个用于新物体。组合M个(3+c)和M个(2+v)--生成圆柱形的抓取区域,每个区域里ni个抓取点(ni*(3+c))3.此外,为了提高抓取姿态的抗扰性,提出了抓取亲和场的新表示法,使网络具有较强的抗扰动能力。原创 2023-02-01 20:31:03 · 1229 阅读 · 3 评论 -
Pointnet Tutorial
Q1:什么是点云?简单来说就是一堆三维点的集合,必须包括各个点的三维坐标信息,其他信息比如各个点的法向量、颜色等均是可选项num_channels一般为3,表示点云的三维坐标。原创 2023-02-01 20:18:08 · 300 阅读 · 0 评论 -
Pointet++ Tutorial
PointNet不足之处在卷积神经网络中,3D CNN和2D CNN很像,也可以通过多级学习不断进行提取,同时也具有着卷积的平移不变性。CNN平移不变性_啥也不是的py人的博客-CSDN博客而在PointNet中 网络对每一个点做低维到高维的映射进行特征学习,然后把所有点映射到高维的特征通过最大池化最终表示全局特征(因为直接抽取全局特征mlp映射到高维)从本质上来说,要么对一个点做操作,要么对所有点做操作,实际上没有局部的概念(loal context)原创 2023-02-01 15:47:27 · 557 阅读 · 1 评论 -
CNN平移不变性
不变性不变性意味着即使目标的外观发生了某种变化,但是你依然可以把它识别出来。这对图像分类来说是一种很好的特性,因为我们希望图像中目标无论是被平移,被旋转,还是被缩放,甚至是不同的光照条件、视角,都可以被成功地识别出来。平移不变性:Translation Invariance旋转/视角不变性:Ratation/Viewpoint Invariance尺度不变性:Size Invariance光照不变性:Illumination Invariance。原创 2023-01-31 21:21:34 · 911 阅读 · 0 评论 -
空间变换网络Spatial Transformer Networks(STN)
STN是一个可以加在网络中间的模块,使得网络能够对图像变形有适用性比如加入了这个模块训练出来的模型,就会对变形的物体有一定的识别能力因为模型里包含的参数是对数据进行仿射变换本文提出了一种叫做空间变换网络(Spatial Transform Networks, STN)的网络模型,该网络不需要关键点的标定,能够根据分类或者其它任务自适应地将数据进行空间变换和对齐(包括平移、缩放、旋转以及其它几何变换等)。在输入数据空间差异较大的情况下,这个网络可以加在现有的卷积网络中,提高分类的准确性。原创 2023-01-31 17:49:44 · 2706 阅读 · 0 评论