open3d点云处理专栏
文章平均质量分 58
山野万里__
目前正在做三维点云算法应用与开发
展开
-
高斯混合模型(Gaussian Mixture Model,GMM)聚类算法(python实现)
高斯混合模型(Gaussian Mixture Model,GMM)是一种基于概率模型的聚类方法,它假设数据是由多个高斯分布组成的混合体。以下是 GMM 聚类算法的基本原理和数学公式。原创 2024-05-12 23:46:48 · 496 阅读 · 0 评论 -
K-means点云聚类算法(python实现)
K-Means 是一种常用的聚类算法,它的原理和数学公式相对简单,适用于很多实际应用场景。以下是 K-Means 聚类算法的基本原理和数学公式。原创 2024-05-12 21:53:37 · 274 阅读 · 0 评论 -
点云边缘计算——提取线段并拟合
本文提出一种交互式、用户驱动、特征辅助的从任意大小的点云进行几何重建的框架。为建筑和城市测量场景 中的高精度建模任务实现了一套特征辅助工具,使从真实世界建筑内部和立面收集的大规模数据上的即时反馈交互式点云操作成为可能。我们的特征辅助CAD工具不需要专门的点云基础 设施,可以很容易地与现有的交互系统集成,可以直接部署在各类CAD设计工具中使用。作为未来的工作,这可以为网格优化建模重建提供有力的帮助。因此,通过区域生长,多面判断的方式,我们对异型构件(单面、双面、三面)之间的交线进行了提取并拟合线段。原创 2024-04-30 14:55:22 · 311 阅读 · 0 评论 -
两点云求交集-python实现
这里两点云的交集指既属于点云1又属于点云2的点集。基于kd-tree搜索的方法较快速,当然也可以暴力搜索。思路如下:step1 在点云2建立kd-tree,设置容忍误差(搜索半径)step2 遍历点云1中的点,记录下到点云2中的点的距离小于搜索半径的点的索引step3 将点云1中不在索引中的点保存下来作为结果点云3。原创 2024-01-25 15:00:08 · 382 阅读 · 0 评论 -
交互式-辅助提取边界线
点云重建几何形状是一项常见的任务,通常由建模工程师在具有cad功能的软件中手动建模几何形状来完成。基于全自动几何提取的最先进的工作流程受到点云密度和内存限制,需要用 户进行预处理和后处理。本文提出一种交互式、用户驱动、特征辅助的从任意大小的点云进行交互式提取边缘的框架。本文目前实现了前三个功能,4和5在尝试,下面看下程序运行结果。原创 2024-01-22 22:07:34 · 419 阅读 · 0 评论 -
基于hash表的点云降采样处理算法实现
本文基于hash表的映射重排,实现了点云数据的均匀和随机降采样。原创 2023-12-12 11:44:53 · 427 阅读 · 0 评论 -
传统方法分割三维点云——几何分割
本文使用了几何的方法将矩形点云数据分割成若干块,便于点云数据下一步处理。原创 2023-11-16 22:07:34 · 419 阅读 · 1 评论 -
三维点云内外轮廓线精确提取实现(墙柱分割)——Open3d
本文提出了根据构件特征分割的方法,实现了三维点云边界内外轮廓的提取。原创 2023-09-28 14:37:55 · 880 阅读 · 5 评论