- 博客(29)
- 收藏
- 关注
原创 利用特征点采样一致性改进icp算法点云配准方法
1、index、vector2、kdtree和kdtreeflann3、ifkdtree.radiusSearch(。。。) > 0)
2024-10-10 18:39:10
203
原创 12 参数化模型投影
参数化模型投影,可以将一个点云投影到一个参数模型上,如平面、球面等,参数化模型通过一组参数来设定,对于平面来说,ax+by+cz=0。
2024-06-04 16:02:00
182
原创 11 StatisticalOutlierRemoval滤波器移除离群点
利用领域的点的平均距离,+高斯分布排除离群点通过11.3的结果可以看出相对于下采样剔除的点不多。
2024-06-04 14:48:03
214
原创 9 直通滤波器
功能作用--是否保存滤波的限制范围内的点云,默认为false,保存限制范围点云,这里即是z的0-1之间的范围电晕,true时候是相反。
2024-06-04 10:06:56
215
原创 代码解析1
初始化为点云中的第一个点,但在后续的循环中并没有真正使用它来计算与点云中其他点的关系。函数计算协方差矩阵的最小特征值(但这里并没有直接使用这个值)和对应的特征向量。需要是特定的点(例如,点云的中心或某个特定的点),那么可能需要相应地修改代码。,该函数用于计算点云数据中Z轴的主方向(或法线方向)。通过遍历点云中的每个点并计算查询点与这些点之间的向量与。使用PCL库中的函数计算点云的质心和协方差矩阵。这里计算查询点与点云中每个点之间的向量,并计算这个向量与。的函数,该函数接受一个。为点云中的第一个点。
2024-06-04 09:49:48
258
原创 7 PCL-点云可视化类
所以,这段代码的作用是在点云中的第一个点位置处添加一个半径为0.2、颜色为半绿半红的球体,并给它一个标识符。先生成代码后,x64里面就会有个exe文件,按照下面步骤之后,加入x64-debug-右击在终端打开。总的来说,这行代码的目的是将名为"sample cloud"的点云中的点的大小设置为1。其他方面(如变量的类型和存储位置等)都是相同的。)的值来创建一个32位的RGB颜色值。类型,并左移16位,以便为绿色和蓝色通道腾出空间。)组合在一起,形成一个32位的RGB颜色值。进行初始化通常是等价的。
2024-06-03 16:12:05
236
原创 4 PCL无序点云检测
其意思假若有两个格子,将A加载进去第一个格子之后,通过octree.switchBuffers()实现将A换在第二个格子中。假设A和B是相同东西,进行监测——监测A和B索引,对比相交不同的部分,即打出B中对于同样的A来说不同的异常点。(或八叉树创建时,如果这是第一次调用)以来添加到八叉树中的新体素,并将这些体素中包含的点的索引添加到。// 3、交换八叉树缓存,但是cloudA对应的八叉树仍在内存中。,它将用于存储从八叉树中检索到的新体素中点的索引。所以将B点云改成A点云,最后输出为空。
2024-06-02 19:50:49
199
原创 3 PCL-octree
八叉树结构通过对三维空间的几何实体进行体元剖分,每个体元具有相同的时间和空间复杂度,通过循环递归的划分方法对大小为 (2n∗2n∗2n)的三维空间的几何对象进行剖分,从而构成一个具有根节点的方向图。在八叉树结构中如果被划分的体元具有相同的属性,则该体元构成一个叶节点;否则继续对该体元剖分成8个子立方体,依次递剖分,对于 (2n∗2n∗2n)大小的空间对象,最多剖分 n次,如下图所示。
2024-06-02 16:33:46
278
原创 特征描述子
基于LRF的点云算法在三维计算机视觉和图形学领域有着广泛的应用,它们通过建立稳定的局部坐标系来提取和描述点云中的特征。不同类型的LRF算法具有不同的特点和适用场景,可以根据具体任务和数据特点选择合适的算法。随着技术的不断发展,基于LRF的点云算法也在不断更新和改进,以适应更复杂和多变的应用需求。
2024-05-25 17:29:13
1651
原创 1.1 eigen-矩阵
Matrix模板类,它包含矩阵(Matrix)和向量(Vector),对于Vector来说,它也是一个矩阵,不过特殊的是行或者列数为1,我们称作行向量或者列向量。int main()//定义了矩阵的大小,但是没有初始化。//对矩阵进行初始化。在上面的代码中,MatrixXf是一个行列可动态设置的矩阵,Vector3f是一个有3个元素的列向量。初始化也未必一定要是1/0,如下图所示初始化为1,2,3,4....
2024-05-21 20:35:09
416
原创 线性代数(1)
在这个2D空间中,您可以通过沿x轴行进3个单位然后沿y轴平行移动4个单位(如图所示)到达矢量(3,4)。如果模型在训练时发生了过拟合,模型就会对新数据的预测结果不好,因为模型甚至学习了训练数据中的噪声。P-E是它们之间的差异。正则化的结果是权重向量中无关紧要的部分变为零,防止预测函数过于复杂。正协方差表示一个变量的增加或减少在另一个变量中同样增加或减少。L1范数:如果只允许行进方向与空间轴平行,从原点到矢量的距离,在L1范数的距离就是你行进的距离。L2 范数是向量距原点的最短距离,如下图中的红色路径所示。
2024-05-19 20:12:20
448
1
原创 点云处理(1)
(1)向量内积:即一个向量在另外一个向量上的投影;(2)矩阵x向量:矩阵列向量的线性组合;(3)SVD分解:经过V的旋转,sgm的缩放,U的再次旋转,结果即等价为M。
2024-05-16 09:07:35
442
原创 2.1点云三维数据的表达
注意io_read...d只能读取ply/pcd的文件或者前四个的坐标形式,其他的必须通过转换或者自行编写才能读出。
2024-01-05 20:30:26
411
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人