byliut的博客

本篇我们将开启几何部分的讲解的第一讲解，也是几何的基本表示，现实中有非常多的几何，如布料，绝对光滑的曲面，水滴，毛发，微观的细胞等等非常复杂的几何，那么如何在计算机中表示这些几何呢？本篇我们将会介绍两种几何的基本表示方法，分别是和。

（1）多频外差编码法利用拍频原理，将两个或两个以上周期相近但不相同的相移编码光组合成一组编码光，把解得的不同周期的多个相位作差，将包裹相位的小周期放大为相位差的大周期，直到相位差信号的周期包含整个测量视场。如果图片对应的是频率，这里的值应该是小于1的值，即正弦波的个数除以整个图像方向上的像素值，它的周期才会是条纹的宽度，但在图中图片所对应的并非这种含义，所以我认为这里解释和图示是有矛盾的。在提取相位时，如果图像内的周期数仅为一个，则相对相位就是绝对相位，则求得的相位主值就是它的相位值。

2.思想：PCA的思想是将n维特征映射到m维上（m<n），这m维是全新的正交特征，称为主成分，这m维的特征是重新构造出来的，不是简单的从n维特征中减去n-m维特征。2.PCA可以从数据中识别主要特征，通过将数据坐标轴旋转到数据角度上那些最重要的方向（方差最大），然后通过特征值分析，确定出需要保留的主成分个数，舍弃其他主成分，从而实现数据的降维。也就是说在d1方向上的投影的绝对值之和最大（也可以说方差最大），计算投影的方法就是将x与d1做内积，由于只需要求d1的方向，所以设d1是单位向量。

原文：https://blog.youkuaiyun.com/weixin_45231460/article/details/128890783。时提取出的点云有很多毛刺点，而且，输出的点云也不是按照顺时针或者逆时针排序。传入待处理的点云，一个vector存放处理后的点的xy坐标。版权声明：本文为作者原创文章，转载请附上博文链接！进行逆时针排序，然后去除掉毛刺点。自己写了一个函数，在xy平面，对。

用solidworks和meshlab，cloudcompare生成点云

计算

原文：https://blog.youkuaiyun.com/com1098247427/article/details/120660589。版权声明：本文为作者原创文章，转载请附上博文链接！作者：com1098247427。添加噪声后点云std=0.01。

点云创建

matlab可视化点云并添加颜色

MATLAB 给点云添加高斯噪声，随机噪声，亲测绝对可用

pcl点云添加噪声

近日遇到一个需求，要从点云数据中提取空间平面。看了看计算机图形学中关于直线检测的霍夫变换的原理，自己写了一个用于三维空间点中进行平面检测的霍夫变换算法。先说从最简单的，xy平面图像中，提取直线的霍夫变换开始。假如xy平面上存在一条直线，用方程y=kx+b来表示。那么在kb平面上就可以用一个点(k,b)来对应xy平面上的这条直线。这个变换可以反过来，已知xy平面上有一个点(x0,y0)，所有过该点的直线都肯定满足：y0=k·x0+b。改写一下就是：b= x0·k + y0，在kb平面上是一条直线。

最近在用PCL的时候，需要对点云绕某一个轴进行旋转。于是上网查了些资料自己弄了个函数，分享给大家。使用的是Eigen这个库，首先要#include <Eigen/Dense>参数中vector是轴的方向（一定要先单位化后再传参），point表示这个轴所经过的某一个点，t表示角度（如90度：PI/2）// Returns the rotation matrix around a vector placed at a point , rotate by angle tEigen

With more and more projects relying on geospatial data, laser scanning has become one of the most popular surveying methods.Laser scanning systems,use light pulses to collect information from surfaces. The systems capture millions of 3D coordinates (also..

在上一篇文章（https://blog.youkuaiyun.com/weixin_38636815/article/details/109495227）中我写了如何使用ceres，根据一系列的点来拟合一个平面，很难保证ORB-SLAM输出的轨迹严格与某一个坐标平面平行，所以这篇文章我我将说一下，如何将不与任何一个坐标平面平行的三维平面绕着一个轴，旋转一个角度，使得其与某一个坐标平面平行。一、原理分析实现步骤：1. 获得拟合出的平面的法向量2. 找到参考向量，如要与XOY平面平行，参考向量为(0,0

CropHullCropHull滤波器得到2D封闭多边形内部或者外部的点云；pcl::CropHull< PointT >void setHullIndices(const std::vector<Vertices> &polygons) 输入封闭多边形的顶点；void setHullCloud(PointCloudPtrpoints) 输入封闭多边形的形状；void setDim(int dim...

1思路点云中有多组点，通过点云聚类找出其中点数最多的一组。2代码pcl::search::KdTree<pcl::PointXYZRGBA>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGBA>); tree->setInputCloud(cloud_box); std::vector<pcl::PointIndices> cluster_indices; pcl::Euclid..

说明最近的项目用到了PCL里的旋转平面，然后又需要按一定的角度旋转，因此对于给定一个平面的数据集，需要利用RANSAC算法拟合出平面方程，然后根据需要，求出相应的角度并按一定的方式旋转，程序大体上分为两个功能，一个是拟合平面求方程，一个是旋转点云。方法拟合平面有两种方法，最小二乘法，和RANSAC算法。PCL库中SACSegmentation类中用的是RANSAC的算法来拟合平面的。关于为什么用RANSAC算法而不用最小二乘法，这篇博客里有详细的讲解。这里就不在赘述了。关于旋转..

最近一直在看点云配准相关的算法，在这里记录一下我试验过的配准算法。第一弹：SAC-IA粗配准+ICP精配准采样一致性初始配准算法（Sample Consensus Initial Aligment , SAC-IA)此算法依赖于点特征直方图，所以在执行此算法之前，应该先计算点云的FPFH，算法的大致思路如下：(1) 从待配准点云P中选取n个采样点，为了尽量保证所采样的点具有不同的FPFH特征，采样点两两之间的距离应满足大于预先给定最小距离阈值d。(2) 在目标点云Q中查找与点云P中采样点..