![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
点云
文章平均质量分 81
晓晨的博客
这个作者很懒,什么都没留下…
展开
-
Python版本Open3D基本使用
最近想完成一个点云进行三维旋转展示的效果,从网上找到可以通过Open3D进行实现。因此想参考上述过程实现一下,在操作的过程中遇到了一系列的问题,在此记录。1)博主安装了Pycharm作为编译器,使用学生身份认证,获取了教育版的licence。2)配合anaconda(Anaconda3-2023.07-1-Windows-x86_64.exe)进行使用,下载过程中有一步选择python版本,直接选择了最新的3.11.4,这为后续的安装open3d库带来了隐患。原创 2023-08-13 00:39:58 · 873 阅读 · 0 评论 -
FAST-LIO论文阅读
FAST-LIO是港大MaRS实验室在2021年提出的一个紧耦合迭代扩展卡尔曼滤波高计算效率、高鲁棒性的雷达里程计。影响深远,后续又陆续提出了FAST-LIO2以及Faster-LIO等框架。下面,我们简单了解一些论文中的各个模块及其处理流程。原创 2023-05-28 15:48:40 · 3105 阅读 · 2 评论 -
多激光雷达手眼标定
如上图中所示,存在一个世界坐标系G,点PPP在世界坐标系中的坐标为PGP_GPG。在t1t_1t1时刻,激光雷达A与激光雷达B分别观测到点PPPPA1P_{A1}PA1PB1P_{B1}PB1。在t2t_2t2时刻,激光雷达A与激光雷达B分别观测到点PPPPA2P_{A2}PA2PB2P_{B2}PB2。在t1t_1t1时刻,激光雷达A与激光雷达B分别到全局坐标系GGG。原创 2023-05-20 11:08:35 · 876 阅读 · 0 评论 -
PCL释放点云内存
最近在处理一块样地的多站地基点云数据时,遇到了一个问题:每一站的点云数据量过大,超过1亿点,全部读进内存中会导致内存溢出,程序崩掉。因此,在读取了第一站点云之后要及时释放PCL中的点云变量,接着再读第二站数据,依次处理。但是,都没有实际解决问题。原创 2023-05-05 16:40:06 · 2118 阅读 · 3 评论 -
点云配准方法原理(NDT、ICP)
配准是点云处理中的一个基础问题,众多学者此问题进行了广泛而深入的研究,也出现了一系列优秀成熟的算法,在三维建模、自动驾驶等领域发挥着重要的作用。本文主要介绍粗配准NDT (Normal Distribution Transform) 与 精配准ICP (Iterative Closest Point)两种经典算法。原创 2023-02-19 17:48:11 · 2494 阅读 · 0 评论 -
自定义Ouster(OS1-128)点云类型
我们在使用ROS接收Ouster点云数据的对应topic,处理其点云数据时,如果仅使用PCL库中定义的PointXYZ或者PointXYZI等类型,会导致丢失一些非常有用的信息。如每个点的线号(ring),在当前帧中的对应时间等。中的xyz,intensity,t,reflectivity,ring,ambient,range等一系列属性信息了。因此有必要根据驱动自定义对应的点类型,方便我们使用更全的点云信息。PCL中自定义点云类型。之后,我们就可以使用。原创 2023-02-05 15:29:54 · 496 阅读 · 0 评论 -
毫米波雷达原理介绍
毫米波雷达是指工作在波长为1-10mm的毫米波段,频率为30~300GHz。基于其工作模式可以分为 “脉冲” 和 “连续波” 两种。其中,脉冲类型的毫米波雷达的原理与激光雷达相似都是采用TOF的方法。而连续波类型可以分为:CW恒频连续波,用于测速; FSK频移键控连续波,可探测单个目标的距离和速度,以及目前所采用的:FMCW调频连续波,探测多个目标的距离和速度。本文后续则对FMCW调频连续波的测距、测速、测角原理进行详细叙述。Chirp信号:线性调频脉冲Chirp信号:是一个频率随着时间线性增加的原创 2022-02-09 01:46:20 · 32553 阅读 · 18 评论 -
Loam算法详解(配合开源代码aloam)
参考论文:LOAM: Lidar Odometry and Mapping in Real-time代码:A-LOAMUbuntu 18.04 + ROS Melodic + eigen 3.3.4 + PCL 1.8.1 + ceres 2.0 + A-LOAM 配置LOAM算法是激光slam中一个经典的开源框架,结合qin tong 博士的开源代码a-loam,对其原理及代码实现简要介绍如下:LOAM算法的总体框架如下图所示:除了左侧的硬件采集数据之外,LOAM算法本身主要包括图中标记的-原创 2021-08-07 21:14:49 · 10859 阅读 · 2 评论 -
点云配准NDT (P2D)算法详解
点云配准NDT (P2D)算法详解最近了解了一些关于点云配准算法NDT的相关文章,进行总结一下。NDT算法的关键是其利用正态分布对参考点云进行了重新表示,使用点云在一个模型特定位置的似然值而不是直接使用点云进行匹配。先验知识(正态分布)一维正态分布表达式:D维正态分布表达式(本文中D为3):其中,均值向量μ和方差矩阵Σ通过下式计算:在一维的情况,正交分布随机变量X有一个期望值μ,并且对于μ的不确定性用Σ来表示。上式中的多变量概率函数在D=1的情况下降低为一维。均值和方差通过一个均值向量μ原创 2021-06-21 16:24:22 · 6166 阅读 · 3 评论 -
TSCAN + TMODEL处理点云数据生成DEM
点云数据生成DEM流程目录点云数据生成DEM流程1. 软件环境2. 操作流程2.1 加载TSCAN/TMODEL插件2.2 读取点云数据2.3 点云去噪、滤波2.4 构建tin模型2.5 生成格网DEM2.6 查看DEM数据对基于商业软件TerraSolid处理点云数据并生成数字高程模型DEM的流程进行简要介绍。1. 软件环境首先,默认已经安装好基础软件,作者使用的软件环境为:MicroStation V8iTSCAN 插件TMODEL 插件同时准备一块点云数据(作者使用的为山区机载激光原创 2021-05-21 14:52:54 · 6670 阅读 · 43 评论 -
点云地面点滤波(Cloth Simulation Filter, CSF)“布料”滤波算法介绍
本篇博客参考Wuming Zhang的文章“An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation”不方便的小伙伴可以在此:资源链接进行下载。1. 引言机载LiDAR可以获取快速、低成本地获取大区域的高精度地形测量值。为了获取高精度的地形数据(厘米级),对机载LiDAR点云数据进行“滤波”是一个非常重要的步骤。因此近二十年来,国内外学者提出了众多有效的自动滤波算法,大大降低了人力成本,提高了点云数据的应原创 2020-07-08 18:36:57 · 27415 阅读 · 47 评论 -
点云地面点滤波(Progressive Morphological Filter)算法介绍(PCL库)
本篇博客参考Keqi Zhang的文章“A Progressive Morphological Filter for Removing Nonground Measurements From Airborne LIDAR Data”以去除大型建筑、树木等常见地物。不方便的小伙伴可以在此:资源链接进行下载。1. 引言机载LiDAR可以获取快速、低成本地获取大区域的高精度地形测量值。为了获取高精度DTM/DEM需要区分测量点中的地面点(由地面直接返回)及非地面点(建筑、车、植被)。众多学者采用了各种各样的原创 2020-06-29 17:11:37 · 11823 阅读 · 13 评论 -
点云地面点滤波-progressive TIN densification(PTD)算法介绍
1.引言1.1什么是地面点滤波?机载激光雷达(airborne light detection and ranging)/机载激光扫描(ALS, airborne laser scanning)在过去20多年的时间里迅速发展,其相对于传统摄影测量影像及INSAR(干涉合成孔径雷达)可以直接记录从地物或地表返回的密集、离散、细节丰富、精确的三维点云。如何对这些不规则点云进行处理应用是我们要解决的问题,其中一个重要的处理步骤就是:地面点滤波(ground filterring),简而言之就是“在无序、不规则原创 2020-06-22 01:17:45 · 10378 阅读 · 14 评论