![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
点云处理
Mr.徐zZZZ
11
展开
-
PCA及点云应用
PCA简介PCA翻译过来就是主成分分析,一般我们采集的数据包含许多对我们的待解决问题帮助很小的特征,这些特征会让计算变得复杂并且会使主要成分不能得到充分的体现。这就会用到PCA,剔除对我们问题不重要特征,保留主要特征。常用于高维数据的降维。如图所示,这是一个二维点云,我们想找出方差最大的方向,如右图所示,这个最大方向的计算,就是PCA做的事情。在高维情况下,PCA不光可以计算出最大方差方向,还可以计算第二大,第三大方向等。它可以按照方差大小,计算出相互正交的方向,这些方向也叫主方向。它常用于原创 2020-08-16 15:09:11 · 2208 阅读 · 0 评论 -
RANSAC简介及在点云处理中的应用
Ransac是 RANdom SAmple Consensus的缩写,他可以从一组观测数据中,找出符合某些数学模型的样本集,例如直线,平面。并且估算出符合这些数学模型的参数。在点云中的应用主要体现在点云的分割,点云配准对的删除。RABSAC算法流程算法输入:观测数据data,数学模型models。数学模型输入前需要确定是直线,还是平面或者是球面。算法输出:数学模型参数参数和对应的样本集。抽出观测数据data多个样本中一个样本子集。用数学模型去匹配样本子集,估计出数学模型参数。这一步一般采用最小方原创 2020-08-14 10:26:35 · 1374 阅读 · 0 评论 -
点云帧之间匹配( 拼接 注册)及算法
在论文中经常看到点云注册,他和我们经常说的点云拼接,点云配准其实是一个意思,都是把不同位置的点云通过重叠部分的信息,变换到同一个位置。下面我们就用注册这个名词来描述这个过程。点云注册一般分为三类:粗注册,精细注册,全局注册。粗注册:一般用于注册两个位置相差很大的点云,比如两帧位于相机坐标系的点云。粗注册方法大致分为两类:有标记点粗注册和无标记点粗注册。标记点可以是用户手动标记的,也可以是物体扫描时贴的标记点。无标记点注册更加方便一些,但是对于一些比较对称或者重合部分很少的情况,可能会有一些失误的。另外原创 2020-08-12 09:38:23 · 4146 阅读 · 0 评论