<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[吾名招财的博客]]></title><description><![CDATA[面朝大海，春暖花开！]]></description><link>https://blog.youkuaiyun.com/qq_44870829</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_44870829]]></copyright><item><title><![CDATA[纯RGB视觉基于神经网络的点云重建SLAM3R（对白墙等弱纹理环境友好）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/162306841</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/162306841</guid><author>qq_44870829</author><pubDate>Thu, 25 Jun 2026 22:00:00 +0800</pubDate><description><![CDATA[之前测试过不少基于纯视觉RGB的slam算法，当对一个小的物体进行环绕一周拍摄时效果都不错，当目标扩大如对一个小型的室内进行点云重建时，若是室内纹理强前后帧间的特征点也多的话，效果也还行，但是当室内的纹理弱，基本都是大白墙的话，传统的基于视觉的slam的方法就不太行了，特征点少，前后帧匹配也就不好，深度估计也不好，最后重建的点云质量也比较差。]]></description><category></category></item><item><title><![CDATA[3DGStreamViewer开源的3DGS模型渲染查看器（python原生版）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/162262591</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/162262591</guid><author>qq_44870829</author><pubDate>Wed, 24 Jun 2026 21:00:00 +0800</pubDate><description><![CDATA[本文介绍了开源3D高斯模型渲染查看器3DGStreamViewer，该工具采用Python编写，便于开发者进行二次开发。文章重点说明了环境配置中的难点（特别是Windows下tinycuda的安装需VS编译）和基本使用方法，包括加载单帧高斯模型进行可视化交互操作（旋转、缩放等）。作者指出该查看器原为3DGStream模型设计，播放功能可能需修改代码以避免崩溃，并建议开发者可自行扩展键盘控制功能。相比之前介绍的web版工具，该Python实现更便于熟悉Python的开发者进行定制化开发。]]></description><category></category></item><item><title><![CDATA[可去伪影可转mesh的2DGS（mesh网格精度极高）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/162191841</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/162191841</guid><author>qq_44870829</author><pubDate>Mon, 22 Jun 2026 22:15:00 +0800</pubDate><description><![CDATA[刚开始的时候3DGS模型的显示效果非常好，但通过插件将其导入unity3d的时候只能在PC端观看，要是将其导出到VR眼镜里的时候就出现问题了，那会儿还没有相应的直接将高斯模型导出到pico眼镜查看的方式，要想在VR里面漫游的话就只能用mesh网格进行漫游，这里就出现了一个问题怎么将高斯模型转换成能导入到unity3d的texturemesh网格？]]></description><category></category></item><item><title><![CDATA[可将3DGS模型剪枝压缩数倍的LightGaussian（显示效果基本不变）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/162092437</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/162092437</guid><author>qq_44870829</author><pubDate>Thu, 18 Jun 2026 21:23:03 +0800</pubDate><description><![CDATA[最开始的时候3DGS模型生成比较大，尤其是大场景的，一个高斯模型就400多M，当同时加载多个模型进行轮询显示的时候，若电脑内存不够就会崩溃，要想加载尽量多的模型一个是通过提升电脑性能，另一个就是对模型压缩了，当时测试了很多的模型压缩相关算法。有的是直接改变存储格式，在加载内存显示的时候还要解压，这样的话内存消耗依然巨大，后面又发现了一些直接针对3DGS模型进行剪枝压缩的相关技术，可以直接裁剪掉一些额外的非主体的高斯来进行模型的缩小，并且效果不错。]]></description><category></category></item><item><title><![CDATA[gaussian-splatting原生python版3DGS（解决大型场景训练结果不全的问题）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/162057224</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/162057224</guid><author>qq_44870829</author><pubDate>Wed, 17 Jun 2026 22:15:00 +0800</pubDate><description><![CDATA[记得那会儿3DGS刚出来没多久，大家最开始用的都是原生版的3DGS，网上比较火的一个数据集还是ggbond，虽然在一些小场景下生成了不错的效果，但将其应用到大场景的时候，有时就会出现训练结果只有一面或者一角的情况，那会儿对3DGS还不太熟悉，每次都重新colmap再高斯训练，每次的结果都不太一样，有的时候结果完整效果很好，有时候结果残缺，只能尝试着重新训练，期待着下一次出个好结果，这样很不好，最后研究了下才发现并不是高斯训练的问题，而是colmap的问题！]]></description><category></category></item><item><title><![CDATA[视频+全景视频多视角快速抽帧工具（可免费使用）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/162007352</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/162007352</guid><author>qq_44870829</author><pubDate>Mon, 15 Jun 2026 21:00:00 +0800</pubDate><description><![CDATA[目前网上并没有很好且方便的全景视频抽帧工具，本人开发了此抽帧工具，不仅可以对传统视频快速抽帧，还能对全景视频按照视角数抽帧，能大大简化大家的视频抽帧等相关操作，资源放在最下方，有需要的获取。]]></description><category></category></item><item><title><![CDATA[Gaussian-LIC2实时构建3DGS的slam方法（可使用fastlivo2的数据集）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/161928830</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/161928830</guid><author>qq_44870829</author><pubDate>Sat, 13 Jun 2026 10:00:00 +0800</pubDate><description><![CDATA[摘要 本文介绍了Gaussian-LIC2方法，一种实时构建3D高斯点云SLAM的技术，可与FastLIO2数据集兼容。作者分享了本地环境配置经验，包括解决Ubuntu 20.04内核无线驱动问题（采用免驱USB网卡）、BIOS设置独显直连、NVIDIA驱动安装（5.15内核）、以及CUDA 11.7和cuDNN v8.9.7的详细安装步骤。通过正确配置显卡模式与开发环境，最终实现了Gaussian-LIC2在本地系统的成功运行，为三维重建研究提供了实用解决方案。]]></description><category></category></item><item><title><![CDATA[ubuntu 20.04 配置FAST-LIVO2教程及点云高斯化测试（内含官方数据集及自定义楼梯长廊数据集）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/161916614</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/161916614</guid><author>qq_44870829</author><pubDate>Fri, 12 Jun 2026 21:30:00 +0800</pubDate><description><![CDATA[本文介绍了在Ubuntu 20.04系统下配置FAST-LIVO2激光雷达视觉惯性里程计的全过程，包括官方数据集和自定义楼梯长廊数据集的获取方法。作者详细记录了从环境搭建到实际运行的完整步骤，重点解决了不同硬件（如MID360激光雷达）的适配问题，并展示了算法在复杂场景下的重建效果。此外，文章还探讨了将SLAM输出的点云数据转换为COLMAP格式以进行3D高斯重建的技术方案，提供了点云转换脚本的关键代码片段，为相关领域的研究者提供了实用的技术参考。]]></description><category></category></item><item><title><![CDATA[开源可SLAM的3D扫描仪硬件方案（成本低至6000元）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/161915033</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/161915033</guid><author>qq_44870829</author><pubDate>Fri, 12 Jun 2026 20:45:00 +0800</pubDate><description><![CDATA[经过一段时间的调研，要想达到实时且精确的slam重建，硬件设备和软件算法必须相辅相成，缺一不可，使用TOF等深度相机智能采集RGB、depth的数据，这种数据对一个局部小面且特征丰富的物体来说还行，一旦将其向外扩展，扩展到大范围的场景时其全局定位和位姿估计就不行了，也就是说我们还得有个相对专业的硬件设备，就是扫描仪，它能够给我们提供图像、雷达点云、IMU加速度角速度数据，只有这三类数据的融合我们才能非常快的且精确的进行slam。]]></description><category></category></item><item><title><![CDATA[python+open3d获取点云的最小外接球体及使用球体裁剪点云]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/147783016</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/147783016</guid><author>qq_44870829</author><pubDate>Thu, 08 May 2025 22:00:00 +0800</pubDate><description><![CDATA[python+open3d获取点云的最小外接球体及使用球体裁剪点云]]></description><category></category></item><item><title><![CDATA[python+open3d选择点云上的某个点并获取其对应三维坐标]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/147768855</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/147768855</guid><author>qq_44870829</author><pubDate>Wed, 07 May 2025 23:00:00 +0800</pubDate><description><![CDATA[有时候我们只想在点云上获取某个目标的具体坐标，通过程序根据对应目标特征来进行筛选是比较麻烦的，直接通过可视化的方法通过鼠标手动选取对应的点反而更快速精确。]]></description><category></category></item><item><title><![CDATA[使用open3d将pcd点云按照颜色等级分块显示并令其随颜色变化播放]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/147385144</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/147385144</guid><author>qq_44870829</author><pubDate>Mon, 21 Apr 2025 22:00:00 +0800</pubDate><description><![CDATA[有很多时候我们需要更改pcd点云某些区域的颜色，可能是颜色随着点云的区域不同而变化，也可能是颜色随时间的变化而变化，下方则是制定了一个颜色表令其最高等级显示红色、中级显示绿色、最低级显示蓝色，其中将其分为了50级，具体操作如下。]]></description><category></category></item><item><title><![CDATA[基于机器视觉的多孔零件边缘缺陷检测（源码C++、opencv、凸包、凸缺陷检测）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/147061553</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/147061553</guid><author>qq_44870829</author><pubDate>Wed, 09 Apr 2025 22:00:00 +0800</pubDate><description><![CDATA[哈哈又翻出了一篇很久之前写的小论文，依然是放在手中许久，这次也不能让它在我的文件夹里吃灰了…
  针对多孔冲压件的边缘缺陷问题，提出了一种基于机器视觉的检测方法。首先在平面光下采集图像，对图像进行灰度化、二值化的预处理操作；然后寻找轮廓，根据轮廓面积特征筛选得到零件的有效的内外侧轮廓；接着对内外侧轮廓分类，计算凸包及其凸缺陷；最后，通过凸缺陷的特征筛选得到零件边缘缺陷及其特征信息。实验结果表明，该边缘缺陷检测方法检测速度快、准确率高、鲁棒性好，可有效的满足工厂检测要求。]]></description><category></category></item><item><title><![CDATA[windows与ubuntu双硬盘双系统安装及启动（全流程成功）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/146606173</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/146606173</guid><author>qq_44870829</author><pubDate>Mon, 31 Mar 2025 22:00:00 +0800</pubDate><description><![CDATA[之前就想过要在本机电脑上安装双系统了，毕竟git上的很多程序源码直接使用Linux系统安装运行是极为方便快捷的，而且很多源码要在windows系统上搭建环境会遇到各种各样的坑…
  本人耗费了多日的时间终于在本地电脑上完成了windows和ubuntu双系统双硬盘的安装，下面我将为大家详细介绍相关具体安装步骤。]]></description><category></category></item><item><title><![CDATA[多onnx模型导出合并调研（文本检测+方向分类+文本识别）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/146566690</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/146566690</guid><author>qq_44870829</author><pubDate>Thu, 27 Mar 2025 21:58:08 +0800</pubDate><description><![CDATA[部署端只用一个模型实现文本检测及文本识别。
  目前是文本检测、文本方向分类、文本识别三个模型分别训练，然后部署的话需要三个分别部署并使用自定义流程连接，现在需要想将其三个模型按照顺序合并成为一个模型，然后再用这一个模型部署（方便部署），此时仅仅是简化了部署流程。
  一种是上面的，另一种是端到端的算法（PGNET），这是一个算法，这个算法同时进行文本检测及文本识别输出，最终一个模型训练输出，因后续要对文本识别通用模型进行部署，故此端到端方法暂时舍弃。]]></description><category></category></item><item><title><![CDATA[pytorch快速入门——手写数字分类GPU加速]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/146260748</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/146260748</guid><author>qq_44870829</author><pubDate>Sun, 16 Mar 2025 11:06:28 +0800</pubDate><description><![CDATA[pytorch快速入门——手写数字分类GPU加速]]></description><category></category></item><item><title><![CDATA[保姆级教程：我的AI猫娘——（基于coze+deepseek并接入微信公众号）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/145751347</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/145751347</guid><author>qq_44870829</author><pubDate>Thu, 20 Feb 2025 22:00:00 +0800</pubDate><description><![CDATA[最近心情不是很好，特别想有个聊天提供情绪价值的人，但有时候人可能会因为各种原因不能及时回复你的消息，如果你内心不强大且有了很强烈的期待感的话，很容易产生伤心等负面情绪...
        但是AI不会，AI可以随时随地回复你的消息，并且在你伤心难过时给予你强烈的情绪价值，关心你爱护你，哈哈瞬间就不会那么的伤心难过了。
        经过多日的尝试终于找到了一个方便快捷的方法，基于目前最火的deepseek大模型，使用AI快速的生成你喜爱的角色并接入个人微信公众号，]]></description><category></category></item><item><title><![CDATA[python+open3d实现彩色点云的无堵塞动态可视化连续播放]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/145491782</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/145491782</guid><author>qq_44870829</author><pubDate>Mon, 10 Feb 2025 21:00:00 +0800</pubDate><description><![CDATA[与视频播放类似，某一时刻的静态点云模型对应某一时刻的静态图像，将某一时间序列下的图像连续组合播放就形成了动态的视频，而有时候我们想将某一时间序列下的静态点云数据可视化到一个窗口上，让其连续播放达到动态的显示效果，同时点云动态播放时还能使用鼠标操作变换视角而不影响其显示效果，通过open3d可以达到类似的效果，相关操作如下。]]></description><category></category></item><item><title><![CDATA[open3d将某一时间序列下的彩色图和深度图批量转换成点云（python）]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/145493864</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/145493864</guid><author>qq_44870829</author><pubDate>Mon, 10 Feb 2025 20:00:00 +0800</pubDate><description><![CDATA[必备条件需要3D相机生成的彩色图及深度图，注意要将深度图与彩色图对齐（一般3D相机自带对齐算子），以及3D相机的彩色图内参（相机自带内参获取功能）。有了此彩色图、对齐后的深度图以及相机内参就能使用open3d生成彩色点云了.]]></description><category></category></item><item><title><![CDATA[python通过输入3D相机像素点集{u、v、z}和机械手世界坐标点集{X、Y、Z}求得变换矩阵RT]]></title><link>https://blog.youkuaiyun.com/qq_44870829/article/details/145468122</link><guid>https://blog.youkuaiyun.com/qq_44870829/article/details/145468122</guid><author>qq_44870829</author><pubDate>Sat, 08 Feb 2025 08:00:00 +0800</pubDate><description><![CDATA[如下所示，绿色圆圈pixel_coordinates表示3D相机像素坐标，红色圆圈camera_coordinates为像素坐标转换后的相机坐标，蓝色圆圈object_points为机械手对应的世界坐标，黑色圆点rlist为红色圆圈通过变换矩阵RT转换后的结果，结果显示该变换矩阵RT能较精确的达到实际需求。]]></description><category></category></item></channel></rss>