基于Open3D的点云处理24-ICP匹配cuda加速

JoannaJuanCV

于 2024-06-01 22:02:33 发布

阅读量421

点赞数

文章标签： Open3d 算法

本文链接：https://blog.csdn.net/zfjbit/article/details/139380422

版权

三维数据处理专栏收录该内容

31 篇文章 8 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了使用Open3D库进行点云处理，并着重讨论了如何利用CUDA加速ICP（Iterative Closest Point）匹配算法。通过测试案例，对比了加速前后的耗时，展示了CUDA在提升点云配准效率上的显著效果。

摘要由CSDN通过智能技术生成

参考：docs/jupyter/t_pipelines/t_icp_registration.ipynb

完整测试用例：

import open3d as o3d
import open3d.core as o3c

if o3d.__DEVICE_API__ == 'cuda':
    import open3d.cuda.pybind.t

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

JoannaJuanCV

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

Open3D 点云配准-点对点的ICP算法配准（精配准）

纵马踏花向自由

07-11

186

ICP（Iterative Closest Point，迭代最近点）算法是一种用于配准两组点云数据的经典算法，广泛应用于计算机视觉和机器人学中的三维重建和姿态估计。

cuda版本open3d

最新发布

06-19

pip 不支持安装cuda版本的open3d，因此需要手动编译open3D源码 Windows 1. Setup Python binding environments Most steps are the steps for Ubuntu: 2. Setup Python environments. Instead of which, check the Python path with where python. 2. Config mkdir build cd build :: Specify the generator based on your Visual Studio version :: If CMAKE_INSTALL_PREFIX is a system folder, admin access is needed for installation cmake -G "Visual Studio 16 2019" -A x64 -DCMAKE_INSTALL_PREFIX="<open3d_install_directory>" .. 3. Build

参与评论您还未登录，请先登录后发表或查看评论

Linux（Ubuntu）下适配Open3D_ML库的CUDA环境配置

不要仅为成功而努力，要为做一个有价值的人而努力

03-11

733

本文针对Linux不同版本内核切换、适配CUDA的NVIDIA显卡驱动安装、CUDA-cudnn-Pytorch下载安装进行了较为深入的对比讨论且进行了实践，同时提供了一种成功实现Linux系统下CUDA应用的方法（项目需求环境配置方法）。

实战！基于NVIDIA CUDA的点云库（PCL）加速激光雷达点云

CV_Autobot的博客

10-24

2113

作者| 点云PCL点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【点云处理】技术交流群本文只做学术分享，如有侵权，联系删文前言在这篇文章将介绍如何使用CUDA-PCL处理点云来获得最佳性能，由于PCL无法充分利用Jetson上的CUDA，NVIDIA开发了一些具有与PCL相同功能的基于CUDA的库。代码地址：https://github.com/NVID...

open3d使用cuda编译步骤

weixin_42766091的博客

10-25

2463

open3d使用cuda编译步骤 1.下载源码： https://github.com/intel-isl/Open3D 2.安装依赖：解压然后进入文件夹，执行以下指令： util/install_deps_ubuntu.sh 3.编译：如果要与cuda一起编译的话，可以在cmake的时候加上BUILD_CUDA_MODULE=ON这个选项执行指令： mkdir build cd build cmake BUILD_CUDA_MODULE=ON -DCMAKE_INSTALL_PREFIX=&

CUDA 编程实例:计算点云法线

alppkk4545的博客

01-09

371

程序参考文章：http://blog.csdn.net/gamesdev/article/details/17535755 程序优化2 简介：CUDA ，MPI，Hadoop都是并行运算的工具。CUDA是基于NVIDIA GPU芯片计算。阐述：GPU有很多个核(几百个)，每个核可以跑一个线程，多个线程组成一个单位叫做块。举个例子：有三个向量 i...

『OPEN3D』1.12 RGBD三维重建

NNNNNathan的博客

01-01

1400

下面先来跑通重建代码，然后对代码进行解释, 这里以TUM的rgbd_dataset_freiburg3_long_office_household数据集为例，使用前600帧图像进行重建，重建结果如下：本专栏地址：本文章地址：『OPEN3D』1.12 RGBD三维重建-CSDN博客。

目标检测YOLO实战应用案例100讲-面向固体废物分拣的目标位姿估计（续）

qq_36130719的博客

01-25

198

在现实应用中，需要对分拣场景图像进行采集，并实时检测识别出图像中的目标和检测目标物的位置姿态，才能满足固体废物分拣作业的要求。因此，设计一个固体废物目标位姿估计软件，通过输入待测图像数据对固体废物进行目标检测和识别，对目标的位置和方向进行估计，设计一个用户友好的界面，使得用户能够方便地进行操作和查看结果，系统功能如图5-1所示。

ros开发增加clion常用模板及初始化配置(二)

苏凯的博客

08-05

1165

定义model，顺序模型 model = tf.keras.Sequential() # 新建一个顺序模型添加模型的层,一个顺序模型可能由多个层组合在一起 model.add(Dense(xxx)) model.add(Sigmoid()) 编译模型，指定模型的参数和优化器,损失函数） model.compile(opt, loss）训练模型 model.fit(X,y,训练轮数，batch_size) 模型预测 model(X) model.predict()

cuda-3d：用于3d点云操作，特征工程和基本算法的CUDA基础知识和本机CUDA实现

02-08

CUDA-3D CUDA基础教程用于3D点云操作，功能工程和基本算法的本机CUDA实现结构体 ├── operators │ └── README.md ├── README.md └── tutorials ├── hello_world │ ├── coordinating_parallel.cu │ ├── error101.cu │ ├── error_macro.cu │ ├── grid_stride.cu │ ├── hello_world.cu │ ├── loop_accelerate.cu │ ├── Makefile │ ├── matrix_mul.cu │ ├── memory101.cu │ ├── mismatched_c

无人驾驶自动驾驶汽车环境感知精准定位决策与规划控制与执行高精地图与车联网V2X 深度神经网络学习深度强化学习 Apollo

万有文的博客

04-22

1853

Apollo开源自动驾驶平台.

open3d. ICP

weixin_37804469的博客

07-28

361

原文链接 import open3d as o3d import numpy as np #读取电脑中的 ply 点云文件 source = o3d.read_point_cloud("plys/6.ply") #source 为需要配准的点云 target = o3d.read_point_cloud("plys/0.ply") #target 为目标点云 #为两个点云上上不同的颜色 source.paint_uniform_color([1, 0.706, 0]) #source 为黄色

Open3D ICP精配准（点到点，Python版本）

dayuhaitang1的博客

01-15

713

Open3D ICP精配准（点到点，Python版本）

Open3D ICP精配准（使用鲁棒性核函数）

dayuhaitang1的博客

08-07

527

Open3D ICP精配准（使用鲁棒性核函数）

Open3D ICP精配准（点到面，Python版本）

dayuhaitang1的博客

01-15

1196

Open3D ICP精配准（点到面，Python版本）

CUDA学习(十三):一步一步为CUDA提速

hjxu2016的博客

02-07

8723

博主CUDA学习系列汇总传送门（持续更新）：编程语言|CUDA入门笔者在CUDA学习(十)：向量内积的多种方法实现 CUDA(六):多种方法实现向量加两篇文章中,已经用了多种方法来实现向量内积和向量加,但一直没有详细记录多种方法的区别以及这些不同方法之间的速度差距等等. 这里笔者做分笔记,浅谈cuda加速的基本技巧. 并记录下各种方法快慢的原理文章目录一、前言二、opencv对图像求和 41ms三、最愚蠢的方法，直接在GPU内循环求和 31418ms！四、初级加速：单block，多thread五.

Python Open3D点云配准点对点，点对面ICP(Iterative Closest Point）

qq_40985985的博客

12-10

3992

这篇博客将介绍 **迭代最近点配准算法(Iterative Closest Point, ICP)** 。多年来，它一直是研究和工业中几何注册的支柱。**输入是两个点云和一个初始变换，该变换大致将源点云与目标点云对齐。输出是一个精确的变换，它将两个点云紧密对齐。** - 将展示俩种ICP变体，点对点ICP（PointToPoint）和点对面ICP（PointToPlane）。

open3d 点云匹配

09-06

Open3D中的点云匹配功能基于一种称为迭代最近点（Iterative Closest Point，ICP）的算法。它通过找到两个点云中最接近的点来对齐它们。这个过程由多个迭代步骤组成，每一步都计算出最佳的刚性变换，使得两个点云更好...