3d点云，测量网格最短距离

最新推荐文章于 2025-02-16 15:15:20 发布
最新推荐文章于 2025-02-16 15:15:20 发布
阅读量822 收藏 3
点赞数
分类专栏： pcl 文章标签： 3d java mybatis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/salewang/article/details/126266503
版权

主要的测量方法Dijkstra和Floyd ，geonet。Fast Marching等等

之前还查到热测量

还在苦苦烦恼的我，突然发现vtk官网有类似的实现

 https://kitware.github.io/vtk-examples/site/Cxx/PolyData/DijkstraGraphGeodesicPath/

代码一：只能演示（需要自己改动）

#include <vtkActor.h>
#include <vtkCamera.h>
#include <vtkDijkstraGraphGeodesicPath.h>
#include <vtkNamedColors.h>
#include <vtkNew.h>
#include <vtkPolyData.h>
#include <vtkPolyDataMapper.h>
#include <vtkProperty.h>
#include <vtkRenderWindow.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkRenderer.h>
#include <vtkSphereSource.h>
#include "vtkAutoInit.h" 
VTK_MODULE_INIT(vtkRenderingOpenGL2);
VTK_MODULE_INIT(vtkInteractionStyle);
int main()
{
	vtkNew<vtkNamedColors> colors;
	vtkNew<vtkSphereSource> sphereSource;
	sphereSource->Update();
	vtkNew<vtkDijkstraGraphGeodesicPath> dijkstra;
	dijkstra->SetInputConnection(sphereSource->GetOutputPort());
	dijkstra->SetStartVertex(0);  //点云开始下标
	dijkstra->SetEndVertex(7);//点云结束下标
	dijkstra->Update();
	vtkNew<vtkPolyDataMapper> pathMapper;
	pathMapper->SetInputConnection(dijkstra->GetOutputPort());

	vtkNew<vtkActor> pathActor;
	pathActor->SetMapper(pathMapper);
	pathActor->GetProperty()->SetColor(colors->GetColor3d("HotPink").GetData());
	pathActor->GetProperty()->SetLineWidth(4);
	vtkNew<vtkPolyDataMapper> mapper;
	mapper->SetInputConnection(sphereSource->GetOutputPort());
	vtkNew<vtkActor> actor;
	actor->SetMapper(mapper);
	actor->GetProperty()->SetColor(colors->GetColor3d("MistyRose").GetData());
	vtkNew<vtkRenderer> renderer;
	vtkNew<vtkRenderWindow> renderWindow;
	renderWindow->AddRenderer(renderer);
	renderWindow->SetWindowName("DijkstraGraphGeodesicPath");

	vtkNew<vtkRenderWindowInteractor> renderWindowInteractor;
	renderWindowInteractor->SetRenderWindow(renderWindow);
	renderer->AddActor(actor);
	renderer->AddActor(pathActor);
	renderer->SetBackground(colors->GetColor3d("MidnightBlue").GetData());

	auto camera = renderer->GetActiveCamera();
	camera->SetPosition(2.9, -1.6, 0.3);
	camera->SetFocalPoint(0, 0, 0);
	camera->SetViewUp(0, 0, 1);
	camera->SetDistance(3);
	camera->Zoom(1.5);
	renderWindow->Render();

	renderWindowInteractor->Start();

	return 0;
}

代码二：可以实现自己的选点


#include "vtkAutoInit.h" 
VTK_MODULE_INIT(vtkRenderingOpenGL2);
VTK_MODULE_INIT(vtkInteractionStyle);
#include <vtkSmartPointer.h>
#include <vtkSphereSource.h>
#include <vtkPolyDataMapper.h>
#include <vtkProperty.h>
#include <vtkActor.h>
#include <vtkRenderer.h>
#include <vtkRenderWindow.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkInteractorStyleTrackballCamera.h>
#include <vtkDijkstraGraphGeodesicPath.h>
#include <vtkCellPicker.h>
#include <vtkIdList.h>
#include <vtkPoints.h>
#include <vtkPolyLine.h>
#include <vtkCellArray.h>
#include <vtkPolyData.h>
#include <vtkSphereSource.h>
#include <vtkProperty.h>
#include <vtkPolyData.h>
#include <vtkSmartPointer.h>
#include <vtkPolyDataMapper.h>
#include <vtkActor.h>
#include <vtkRenderWindow.h>
#include <vtkRenderer.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkDijkstraGraphGeodesicPath.h>
#include <vtkSTLReader.h>
#include <vtkIncrementalOctreePointLocator.h>

class MyInteractorStyle : public vtkInteractorStyleTrackballCamera
{
public:
	static MyInteractorStyle* New();
	vtkTypeMacro(MyInteractorStyle, vtkInteractorStyleTrackballCamera);

	MyInteractorStyle()
	{
		this->Mesh = nullptr;
		this->Picker = nullptr;
		this->PreId = -1;
		this->CurId = -1;
	}

	~MyInteractorStyle()
	{
		this->Mesh = nullptr;
		this->Picker = nullptr;
		this->PreId = -1;
		this->CurId = -1;
	}

	void OnRightButtonUp()
	{
		auto ren = this->GetDefaultRenderer();
		auto interactor = this->GetInteractor();
		int* clickPos = interactor->GetEventPosition();
		double pos[3];
		this->Picker->Pick(clickPos[0], clickPos[1], 0, ren);
		vtkIdType cellId = this->Picker->GetCellId();
		if (cellId != -1)
		{
			vtkIdType pointId = this->Picker->GetPointId();
			this->CurId = pointId;
			DrawPoint();
			if (this->PreId != -1)
			{
				DrawLine();
			}
			this->PreId = pointId;
		}

		vtkInteractorStyleTrackballCamera::OnRightButtonUp();
	}

	vtkPolyData* Mesh;
	vtkCellPicker* Picker;

private:
	void DrawPoint()
	{
		auto ren = this->GetDefaultRenderer();
		double* pos = this->Mesh->GetPoint(this->CurId);
		auto sphere = vtkSmartPointer<vtkSphereSource>::New();
		sphere->SetRadius(0.01);
		sphere->SetCenter(pos);

		auto pointMapper = vtkSmartPointer<vtkPolyDataMapper>::New();
		pointMapper->SetInputConnection(sphere->GetOutputPort());
		auto pointActor = vtkSmartPointer<vtkActor>::New();
		pointActor->SetMapper(pointMapper);
		pointActor->GetProperty()->SetColor(1, 0, 0); // Red
		ren->AddActor(pointActor);
		ren->Render();
	}

	void DrawLine()
	{
		auto dijkstra = vtkSmartPointer<vtkDijkstraGraphGeodesicPath>::New();
		dijkstra->SetInputData(this->Mesh);
		dijkstra->SetStartVertex(this->PreId);
		dijkstra->SetEndVertex(this->CurId);
		dijkstra->Update();

		vtkIdList* idList = dijkstra->GetIdList();
		auto points = vtkSmartPointer<vtkPoints>::New();
		for (vtkIdType i = 0; i < idList->GetNumberOfIds(); i++)
		{
			vtkIdType id = idList->GetId(i);
			points->InsertNextPoint(this->Mesh->GetPoint(id));
		}
		auto polyLine = vtkSmartPointer<vtkPolyLine>::New();
		polyLine->GetPointIds()->SetNumberOfIds(points->GetNumberOfPoints());
		for (vtkIdType i = 0; i < points->GetNumberOfPoints(); i++)
		{
			polyLine->GetPointIds()->SetId(i, i);
		}

		auto cells = vtkSmartPointer<vtkCellArray>::New();
		cells->InsertNextCell(polyLine);

		auto polyData = vtkSmartPointer<vtkPolyData>::New();
		polyData->SetPoints(points);
		polyData->SetLines(cells);

		auto ren = this->GetDefaultRenderer();

		auto lineMapper = vtkSmartPointer<vtkPolyDataMapper>::New();
		lineMapper->SetInputData(polyData);
		//lineMapper->SetInputConnection(dijkstra->GetOutputPort());
		auto lineActor = vtkSmartPointer<vtkActor>::New();
		lineActor->SetMapper(lineMapper);
		lineActor->GetProperty()->SetColor(0, 1, 0); // Green
		lineActor->GetProperty()->SetLineWidth(3);
		ren->AddActor(lineActor);
		ren->Render();
	}

	vtkIdType PreId;
	vtkIdType CurId;
};
vtkStandardNewMacro(MyInteractorStyle);

int main(int argc, char* argv[])
{
	//auto sphereSource = vtkSmartPointer<vtkSphereSource>::New();

	//sphereSource->Update();
	vtkSmartPointer<vtkSTLReader> sphereSource = vtkSmartPointer<vtkSTLReader>::New();
	sphereSource->SetFileName("./Mesh.stl");
//切换自己的stl网格数据，转换我用的软件是CloudCompare
	sphereSource->Update();

	auto mapper = vtkSmartPointer<vtkPolyDataMapper>::New();
	mapper->SetInputConnection(sphereSource->GetOutputPort());
	auto actor = vtkSmartPointer<vtkActor>::New();
	actor->SetMapper(mapper);
	actor->GetProperty()->EdgeVisibilityOn();

	auto picker = vtkSmartPointer<vtkCellPicker>::New();
	picker->AddPickList(actor);

	auto renderer = vtkSmartPointer<vtkRenderer>::New();
	auto renderWin = vtkSmartPointer<vtkRenderWindow>::New();
	renderWin->SetSize(600, 600);
	renderWin->AddRenderer(renderer);
	auto style = vtkSmartPointer<MyInteractorStyle>::New();
	style->SetDefaultRenderer(renderer);
	style->Mesh = sphereSource->GetOutput();
	style->Picker = picker;
	auto interactor = vtkSmartPointer<vtkRenderWindowInteractor>::New();
	interactor->SetRenderWindow(renderWin);
	interactor->SetInteractorStyle(style);

	renderer->AddActor(actor);
	renderer->SetBackground(1, 1, 1);

	interactor->Start();

	return EXIT_SUCCESS;
}

代码三：

主要实现 ： 手动输入开始坐标和结束坐标， 并且打印点云坐标，计算距离


#include "vtkAutoInit.h" 
VTK_MODULE_INIT(vtkRenderingOpenGL2);
VTK_MODULE_INIT(vtkInteractionStyle);
#include <vtkSphereSource.h>
#include <vtkProperty.h>
#include <vtkPolyData.h>
#include <vtkSmartPointer.h>
#include <vtkPolyDataMapper.h>
#include <vtkActor.h>
#include <vtkRenderWindow.h>
#include <vtkRenderer.h>
#include <vtkRenderWindowInteractor.h>
#include <vtkDijkstraGraphGeodesicPath.h>
#include <vtkSTLReader.h>
#include <vtkIncrementalOctreePointLocator.h>

int main(int, char* [])
{
	// Read a stl file.
	vtkSmartPointer<vtkPolyData> input1 = vtkSmartPointer<vtkPolyData>::New();
	vtkSmartPointer<vtkSTLReader> reader1 = vtkSmartPointer<vtkSTLReader>::New();
	reader1->SetFileName("./Mesh.stl");
	reader1->Update();
	input1->DeepCopy(reader1->GetOutput());

	input1->DeepCopy(reader1->GetOutput());
	vtkSmartPointer<vtkIncrementalOctreePointLocator> kDTree1 = vtkSmartPointer<vtkIncrementalOctreePointLocator>::New();
	kDTree1->SetDataSet(input1);
	kDTree1->BuildLocator();
	double startPos[3] = { 0.040644, -0.232344, 1.753312 };//开始
	double endPos[3] = { 0.253736, -0.2223910, 1.695677 };//结束
//还是用cc 标注的点

	int startId = kDTree1->FindClosestPoint(startPos);
	int endId = kDTree1->FindClosestPoint(endPos);


	vtkSmartPointer<vtkDijkstraGraphGeodesicPath> dijkstra =
		vtkSmartPointer<vtkDijkstraGraphGeodesicPath>::New();
	dijkstra->SetInputData(reader1->GetOutput());
	dijkstra->SetStartVertex(startId);
	dijkstra->SetEndVertex(endId);
	dijkstra->Update();

	vtkSmartPointer<vtkPolyDataMapper> pathMapper =
		vtkSmartPointer<vtkPolyDataMapper>::New();
	pathMapper->SetInputData(dijkstra->GetOutput());

	vtkSmartPointer<vtkActor> pathActor = vtkSmartPointer<vtkActor>::New();
	pathActor->SetMapper(pathMapper);
	pathActor->GetProperty()->SetColor(1, 0, 0);
	pathActor->GetProperty()->SetLineWidth(4);

	vtkSmartPointer<vtkPolyDataMapper> mapper =
		vtkSmartPointer<vtkPolyDataMapper>::New();
	mapper->SetInputData(reader1->GetOutput());

	vtkSmartPointer<vtkActor> actor =
		vtkSmartPointer<vtkActor>::New();
	actor->SetMapper(mapper);

	vtkSmartPointer<vtkRenderer> renderer =
		vtkSmartPointer<vtkRenderer>::New();
	renderer->AddActor(actor);
	renderer->AddActor(pathActor);
	renderer->SetBackground(1.0, 1.0, 1.0);

	vtkSmartPointer<vtkRenderWindow> renderWindow =
		vtkSmartPointer<vtkRenderWindow>::New();
	renderWindow->AddRenderer(renderer);
	renderWindow->SetSize(640, 480);
	renderWindow->Render();
	renderWindow->SetWindowName("PolyDataGeodesic");

	vtkSmartPointer<vtkRenderWindowInteractor> renderWindowInteractor =
		vtkSmartPointer<vtkRenderWindowInteractor>::New();
	renderWindowInteractor->SetRenderWindow(renderWindow);

	renderWindow->Render();
	renderWindowInteractor->Start();


	vtkSmartPointer<vtkIdList> IdList = vtkSmartPointer<vtkIdList>::New();


	IdList = dijkstra->GetIdList();
	int a[100];
	int b = 0;
	for (int i = 0; i < IdList->GetNumberOfIds(); i++)
	{
		cout << IdList->GetId(i) << endl;
		//cout << IdList[7879];
		a[i] = IdList->GetId(i);
		b += 1;
	}
	vtkPolyData* polydata = reader1->GetOutput();

	double chic = 0;
	for (int i = 0; i < b - 1; i++)
	{
		double p[3];
		cout << a[i];
		polydata->GetPoint(a[i], p);

		std::cout << "Point " << i << " : (" << p[0] << " " << p[1] << " " << p[2]
			<< ")" << std::endl;
		double p1[3];
		polydata->GetPoint(a[i + 1], p1);
		std::cout << "Point " << i << " : (" << p1[0] << " " << p1[1] << " " << p1[2]
			<< ")" << std::endl;
		double squaredDistance = vtkMath::Distance2BetweenPoints(p, p1);

		double distance = std::sqrt(squaredDistance);
		chic += distance;
		std::cout << "Distance = " << distance << std::endl;


	}
	std::cout << "最后 = " << chic << std::endl;




	return EXIT_SUCCESS;
}

打印下标id

 打印点云坐标

计算距离长度（m）

 

 最后把网格的程序拿出来

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/gp3.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d_omp.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/gp3.h>
#include <pcl/surface/poisson.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
#include <fstream>
#include <iostream>
#include <stdio.h>
#include <string.h>
#include <string>

int  main()
{
    // Load input file into a PointCloud<T> with an appropriate type
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PCLPointCloud2 cloud_blob;
    pcl::io::loadPCDFile(".//43.pcd", cloud_blob);
    pcl::fromPCLPointCloud2(cloud_blob, *cloud);
    pcl::VoxelGrid<pcl::PointXYZ> filter;
    filter.setInputCloud(cloud);
    // 设置体素栅格的大小为 1x1x1cm
    filter.setLeafSize(0.01f, 0.01f, 0.01f);
    filter.filter(*cloud);
    //* the data should be available in cloud

    // Normal estimation*
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    tree->setInputCloud(cloud);
    n.setInputCloud(cloud);
    n.setSearchMethod(tree);
    n.setKSearch(20);
    n.compute(*normals);
    //* normals should not contain the point normals + surface curvatures

    // Concatenate the XYZ and normal fields*
    pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>);
    pcl::concatenateFields(*cloud, *normals, *cloud_with_normals);
    //* cloud_with_normals = cloud + normals

    // Create search tree*
    pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);
    tree2->setInputCloud(cloud_with_normals);

    // Initialize objects
    pcl::GreedyProjectionTriangulation<pcl::PointNormal> gp3;
    pcl::PolygonMesh triangles;

    // Set the maximum distance between connected points (maximum edge length)
    gp3.setSearchRadius(0.025);

    // Set typical values for the parameters
    gp3.setMu(2.5);
    gp3.setMaximumNearestNeighbors(100);
    gp3.setMaximumSurfaceAngle(M_PI / 4); // 45 degrees
    gp3.setMinimumAngle(M_PI / 18); // 10 degrees
    gp3.setMaximumAngle(2 * M_PI / 3); // 120 degrees
    gp3.setNormalConsistency(false);

    // Get result
    gp3.setInputCloud(cloud_with_normals);
    gp3.setSearchMethod(tree2);
    gp3.reconstruct(triangles);

    // Additional vertex information
    std::vector<int> parts = gp3.getPartIDs();
    std::vector<int> states = gp3.getPointStates();

    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
    viewer->setBackgroundColor(0, 0, 0);


    //1的效果
    viewer->addPolygonMesh(triangles, "my");
    //2的效果
    viewer->addPolylineFromPolygonMesh(triangles);


    pcl::io::savePLYFile("result.ply", triangles);
    viewer->addCoordinateSystem(1.0);
    viewer->initCameraParameters();
    while (!viewer->wasStopped()) {
        viewer->spinOnce(100);

    }

    // Finish
    return (0);
}

2的效果

 

1的效果

一起的效果

 

 

3D点云检测笔记
jacke121的专栏
04-30 2069
https://github.com/hova88/Correction_OBB https://github.com/jacke121/Correction_OBB 通常，点云目标检测网络（如pointrcnn）出来的OBB与真实存在着些许误差，本仓库利用PCA配合BallTree算法对已知的OBB进行修正，效果喜人 感觉速度会增加 ost Detector 应用主成分分析法与临近点查询相结合，进行包围盒矫正 pip install numpy pyobb sklearn ope....
VTK中实现点云距离测量
EvktJava的博客
09-27 346
点云是计算机图形学中常用的数据表示方式，它由大量的离散点组成，可以用于三维建模、形状识别、姿态估计等任务。在进行点云处理时，经常需要计算点与点之间的距离，这在许多应用中都是非常重要的一步。VTK是一个开源的跨平台图像与可视化开发工具包，提供了丰富的图形算法和数据结构，可以用于可视化、图像处理、几何计算等方面的应用。通过构建kd树结构，我们可以高效地计算点与点之间的距离，为点云处理和相关任务提供了便利。希望本文对您有所帮助！通过构建kd树结构，我们可以高效地查找最近邻点，并计算出点与点之间的距离。
halcon点云测量软件，3D测量软件，C#联合halcon视觉系统
XDbhnReCqv的博客
01-17 1052
点云处理软件则是针对点云数据进行处理和分析的软件，可以从点云数据中提取出有用的信息，并进行进一步的处理和应用。Halcon点云测量软件结合了这两种功能，使得程序员能够在一个软件平台上完成各种视觉和点云相关的任务，极大地简化了开发和使用的复杂度。总结起来，Halcon点云测量软件是一款功能强大的3D测量软件，通过与C#联合使用，可以更加高效地开发出3D视觉检测系统。halcon点云测量软件，3D测量软件，C#联合halcon视觉系统，通用视觉软件，通用点云处理软件，测量软件，3D视觉检测系统，源码。
VTK 点云处理
最新发布
weixin_44623642的博客
02-16 491
【代码】VTK 点云处理。
3D点云 (Lidar)检测入门篇 ： PointPillars PyTorch实现
3D视觉工坊
05-30 3747
作者丨千百度@知乎来源丨https://zhuanlan.zhihu.com/p/521277176编辑丨3D视觉工坊基于Lidar的object检测模型包括Point-based [PointRCNN(CVPR19),IA-SSD(CVPR22)等], Voxel-based [PointPillars(CVPR19),CenterPoint(CVPR21)等]，P...
3D两点最短距离
wrq147的专栏
06-29 772
SWAP(a,b,t) {t=a;a=b;b=t;} Distance(int x1-x2,int y1-y2,int z1-z2){ int x,y,z;x=abs(x1-x2)*1024;//转换成整数y=abs(y1-y2)*1024;//转换成整数z=abs(z1-z2)*1024;//转换成整数if(yif(zif(yreturn （(z+11*(y>>5)+(x>>2))>>10);}
点云测量数据处理
12-22
介绍关于测量得到点云数据后如何处理得到复杂的样条曲线曲面
弦高差法：点云测量数据的噪声识别与去除非冗余处理
弦高差法是一种针对点云测量数据处理的重要技术，在逆向工程建模与产品创新设计中发挥着关键作用。点云作为非接触式测量方法的结果，其数据量大且分布散乱，直接影响到后续曲面和曲线重构的质量。因此，对点云数据的...
环境感知：障碍物检测_（5）.点云处理技术
zhubeibei168的博客
01-16 924
点云处理技术在环境感知和场景理解中扮演着重要角色。通过点云的获取、预处理、特征提取、分割和分类等步骤，可以实现对复杂环境的高效感知和理解。未来的点云处理技术将更加依赖于深度学习和多模态数据融合，以实现更高的精度和更广泛的应用。
点云从入门到精通技术详解100篇-基于点云数据的工件三维重建（续）
getusushu的博客
05-01 518
在本文算法的配准结果中，两片待配准的点云已经完全。为了验证本章算法的可行性，针对标准库中的多视角兔子点云数据进行配准实验，实验算法进行实验，为验证提取轮廓点的方法在工件点云配准方面的优越性，将。、在对工件点云数据提取轮廓点的处理过程中，设置不同的阈值进行初始配准。时，配准误差依旧很大，因此通过配准时间，轮廓点数目以及配准误差等。出的根据轮廓点进行特征点提取的方法是可行的，其初始配准结果良好。所示，绿色点云为源点云，蓝色点云为目标点云，从配准结果可。次配准实验过程中，本章提出的配准算法得到的配准误差均低于。
点云处理，点云滤波，求点云DEM
Abai_y的博客
11-26 3338
##作业：点云数据预处理软件，具体功能包括： ### 1，数据的自适应导入； ### 2，统计点云的范围、中值、均值、直方图； ### 3，对点云进行滤波，剔除明显的错误噪声点（自己找资料，实现算法）； ### 4，基于点云高度，给其赋予颜色（自己找资料，实现算法）； ### 5，利用滤波后的点云，内插DEM（可选，自己找资料，实现算法）； ### 6，上述2~5功能支持将结果输出为文本文件或者其他格式文件。 要求： 1，要使用C++语言完成软
点云配准和测量.rar
09-22
里面包含了一些点云配准和点云测量资源，FPH、ICP等常用的。 里面包含了一些点云配准和点云测量资源，FPH、ICP等常用的。
使用Open3D计算点云之间的马氏距离
GjjrDictionary的博客
09-29 157
在点云分析中，马氏距离可用于测量两个点云之间的相似性或差异性。通过上述代码，我们可以使用Open3D和numpy计算两个点云数据集之间的马氏距离。这种距离度量方法可以帮助我们评估点云数据之间的相似性或差异性，从而在点云处理和分析任务中提供更多的信息。这些数据集可以是从激光雷达或深度相机获取的真实点云数据，也可以是通过其他方法合成的虚拟点云数据。需要注意的是，上述代码中的点云数据集加载和计算马氏距离的示例仅为演示目的。马氏距离的计算需要先计算两个点云数据集的协方差矩阵，然后使用公式计算距离。
3D点云目标检测-PointPillars算法解析
weixin_51021488的博客
05-30 2314
文章将点云数据转为点柱形式，以伪图像特征进行特征编码，避免了复杂的3D卷积的影响，提高了3D目标检测的速度，代码实现中还有不少细节值得解析，如为了防止角度抖动，增加的角度回归时的方向偏移值、 进行iou计算时所用到的部分面积求解相关数学公式。（叉乘、点乘相关数学性质！本人水平有限，若存在错误，请各位指正！
激光雷达与深度学习：点云处理在车辆测距中的应用
sybh的博客
05-03 1527
高度精确：激光雷达可以生成高分辨率的三维点云数据，有助于提高测距的精确性。实时性：激光雷达可以实时获取周围环境的信息，有助于提高自动驾驶汽车的响应速度。结合深度学习：通过使用深度学习模型，如PointNet和PointCNN，可以提高点云数据处理的效率和准确性。点云数据处理复杂：与传统的图像数据相比，点云数据具有更复杂的结构，处理起来具有挑战性。计算资源要求高：深度学习模型需要大量的计算资源，可能会影响自动驾驶汽车的实时性能。
CloudCompare——计算点云到点云的距离【2025最新版】
点云侠的博客
10-10 7738
计算两点云的距离，点云变化检测
相位相关法python_python-vtk中点云体积测量
weixin_39575212的博客
12-01 898
python3.6 v tk8.1.2利用cloud compare /Magic 3D/python对点云体积测量，想比较一下差异。点云网格图点云一、cloud compareedit-mesh-mesh volume中可以算出体积表面积：1.06547e+6 体积：8.27306e+6二、Magic 3D表面积：1.06547e+6 体积：8.27299e+6import vtk import...
基于点云数据的测量功能
GfEmacs_Lisp的博客
09-22 1521
点云数据是由大量的三维点构成的集合，广泛应用于计算机视觉、机器人技术等领域。基于点云数据的测量功能是指通过对点云数据进行处理和分析，实现对物体尺寸、形状、位置等信息的测量和提取。本文将介绍基于点云数据的测量功能的原理，并提供相应的源代码。此外，还可以结合其他图像处理和计算机视觉算法，如点云配准、分割等，来进一步拓展点云数据的测量功能。通过以上代码，我们可以实现基于点云数据的测量功能。除了上述示例中的体积、表面积和包围盒尺寸，还可以根据具体需求进行其他类型的测量，如点到面的距离、点云数据的形状描述等。
07 Halcon 点云平面角测量
robotvision+
07-03 1283
1.基于halcon算法平台； 2.提供深度图源文件以及解压密码； 3.代码预览： /********************************** @文档名称: 基于点云的平面夹角测量。 @作者: hugo @版本: 1.1 @日期: 2021-6-30 @描述: 该方法支持点云的平面的夹角测量。 @来源：欢迎关注微信公众号 AmazingRobot+ 获取更多机器人视觉知识。 ***********************************/ dev_update_window
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

WangSaLe

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值