搜索资源列表
Dataregistrationin3-Dscanningsystems
- 通过引入特征点和改进最近点迭代法, 提出了一种 在三维扫描系统中对三维点云数据进行配准的方法。该方法 通过对特征点的提取, 首先得到一组匹配点对, 然后运用 SVD 矩阵分解算法求出转换参数R 和T, 进而以此作为最 近点迭代法的初始值, 并对最近点的求法和迭代截止条件作 了改进, 得到了很好的配准效果。该文论述了该方法的基本 原理, 并通过不同视觉下物体三维测量点云数据配准的应用 实例证明了该方法的有效性。-A 3-D meas uring dat a r egis
W020100826398383594229
- 基于点云的谷脊线特征提取算法研究：提出一种基于多步逼近策略的点云特征提取算法-Exaction of ringle and ravine.
flowercloud
- 基于云模型的花片特征提取算法，该算法通过云模型的逆向正态云发生器，由样本点信息，求解出三类花四个特征参数各自的数字特征：期望、熵、超熵。-Based on Cloud Model Motif feature extraction algorithm, which cloud model of reverse normal cloud generator, the sample point information, solving the three spent four the number o
3d-GVF-B-Surface-12-3
- 利用GVF场提取三维点云模型边界特征，从而实现模型重建-Use of GVF games 3 d point cloud model extracted border feature, so as to achieve the model reconstruction
PCL_Doc
- PCL--Point Cloud Library，重点介绍点云库中的文件格式，文件显示，点云滤波，特征提取，特征描述，点云拼接，点云分割等-PCL- Point Cloud Library, highlights the point cloud library file format, the documents show, the point cloud filtering, feature extraction, characterization, point clouds, point c
feature-detection
- 基于PCA的雷达点云数据的形状特征提取,主要是屋顶平面提取-The feature extraction of LiDAR point cloud data based on PCA
kdtree.pointcloud.matlab
- 本实例旨在通过对同一空间坐标系的不同状态和特征的三维点云数据进行匹配，从而提取两者之间的关联特征与向量。-This example designed by the same spatial coordinates and characteristics of the different states of the three-dimensional point cloud data matching to extract the association between characteristi
FeatureExtractionFromPointClouds
- 点云特征提取 详细 实用 经典的讲述过程及方法-Point Cloud Feature Extraction practical details about the processes and methods of classic
narf_test
- 基于pcl语言，针对自制激光扫描仪扫描获得环境点云中提取特征点。-Pcl-based language to get the point cloud environment for extracting feature points homemade laser scanner.
range_image_border_extraction
- 利用PCL库，基于深度图像，进行点云特征提取-Based on the depth image, feature extraction of point cloud
PCLCode
- PCL课本全章源码的，包含I/O,kd-tree,八叉树，可视化，滤波，深度图像，关键点。采样一致性算法，点云特征描述与提取，点云配准，点云分割，点云曲面重建-the code of book“Point Cloud Library”
laser-kinect-pointcloud-register-icp
- 针对三维重建中的点云配准问题，提出一种基于点云特征的自动配准算法。利用微软Kinect传感器采集物 体的多视角深度图像，提取目标区域并转化为三维点云。对点云进行滤波并估计快速点特征直方图特征，结合双向 快速近似最近邻搜索算法得到初始对应点集，并使用随机采样一致性算法确定最终对应点集。根据奇异值分解法 求出点云的变换矩阵初始值，在初始配准的基础上运用迭代最近点算法做精细配准。实验结果表明，该配准方法既 保证了三维点云的配准质量，又降低了计算复杂度，具有较高的可操作性和鲁棒性。
3D-reconstruction-master
- 3d 重建 包括特征点的提取，匹配，以及三维点云的建立(3d reconstruction ,including feature detection and 3 D points cloud ,the change from 2D to 3D)
特征线提取
- 点云数据中面的特征线的提取，也就是两个面的交线的提取(characteristic curve of point cloud data extraction)
narf_pfh_sac_Registration
- 基于特征的点云全局配准算法： NARF特征点提取+PFH描述子计算+SAC-IA位姿变换计算。(Feature based global registration algorithm for point cloud: The NARF feature points are extracted + PFH descr iptors, and the calculation of + SAC-IA position and attitude transformation is calculate
Hough3D特征点提取
- 可以用来提取Hough3D特征点，用于下一步的点云配准
Grid
- 摄影测量点云，三维激光点云进行点云特征图像提取进行格网化代码(Photogrammetric point cloud, 3D laser point cloud, point cloud feature image extraction for grid code)
RANSAC平面提取
- 根据点云的分布特征，采用随机采样一致性算法提取平面(According to the distribution characteristics of point clouds, a random sampling consistency algorithm is used to extract the plane.)
border提取边界
- 边界识别算法，可识别点云的边界和特征边缘(Boundary Recognition Algorithms to Recognize the Boundary and Characteristic Edge of Point Cloud)
FPFH-SAC-ICP
- 特征点提取，法向量估计，fpfh描叙特征点，SAC-IA粗配准。ICP精确配准(Feature point extraction, normal vector estimation, FPFH descr iption of feature points, sac-ia rough registration. Accurate registration of ICP)