pc_error点云测试

clear;clc;
%for qp=1:2:11
    %qp = 11;
    resolution = 3000/sqrt(10);%m精度:resolution=3000/sqrt(10) mm精度:resolution=30000
    oriDataPath = '../compressedPath/PointCloudPLY'; %原始点云文件夹
    predictDataPath = strcat('../reconstructedPath/reconstructedPointsCloud/',num2str(qp)); %解码点云文件夹
    
    oriList = dir(fullfile(oriDataPath,'*.ply')); %ply文件需要有rgb信息
    predictList = dir(fullfile(predictDataPath,'*.ply'));
    
    for i = 1 : length(oriList)
        oriName = strcat(oriDataPath,'/',oriList(i).name);
        %resolution = calculate_P_bb(oriName);%边界框最大距离
        predictName = strcat(predictDataPath,'/',predictList(i).name);
        fprintf("calculate pointcloud: %s\n",oriList(i).name);
        command = ['pc_error.exe ' ...
            '-a ' oriName ...
            ' -b ' predictName ...
            ' -c ' ...
            '-r ' num2str(resolution) ...
            ' --dropdups=2 ' ...
            'neighborsProc=1 ' ...
            '-d'];
        dos(command);
    end
%end
exit();
### PCN点云数据集下载与使用 PCN(Point Completion Network)是一种专注于点云补全任务的深度学习框架,其训练和评估依赖于高质量的点云数据集。以下是关于如何获取和使用PCN相关的点云数据集的信息: #### 数据集来源 PCN使用的点云数据主要来源于ShapeNet数据集[^2]。ShapeNet是一个大规模的3D形状库,涵盖了多种类别和复杂的几何结构。为了适配点云补全任务的需求,研究人员从ShapeNet中提取了部分物体,并对其进行处理以生成不完整点云及其对应的完整版本。 #### 下载地址 官方并未提供独立的PCN专用数据集下载链接,但可以通过以下方式间接获取所需数据: 1. **访问ShapeNet官方网站** ShapeNet提供了丰富的3D模型资源,可以从其官网下载所需的CAD模型文件并自行转换为点云格式。 2. **第三方实现项目** 许多研究者在GitHub上分享了自己的实现代码以及预处理后的数据集。例如,可以搜索关键词“PCN PyTorch implementation”或类似的术语找到开源仓库。这些仓库通常会附带详细的说明文档,指导用户如何准备数据集[^5]。 #### 使用指南 一旦获得了原始数据或者经过预处理的数据集之后,按照如下方式进行操作即可顺利开展实验: - 首先加载已有的点云样本; - 接着划分成训练集、验证集和测试集三大部分; - 最后调整超参数配置文件以便匹配具体应用场景下的需求。 下面给出一段简单的Python脚本示例用于读取保存为`.npy`格式的点云数组: ```python import numpy as np def load_point_cloud(file_path): """Load a point cloud from an .npy file.""" try: pc_data = np.load(file_path) return pc_data except Exception as e: print(f"Error loading {file_path}: {e}") return None # Example usage point_cloud_array = load_point_cloud('path/to/your/file.npy') if point_cloud_array is not None: print(point_cloud_array.shape) # Should output something like (num_points, 3) ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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