当前位置：
首页 资源下载
搜索资源 - registration point
搜索资源列表
-
0下载：
提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参
考影像中的线特征,利用匹配直线构建虚拟角点 其次,针对传统SIFT算法匹配多源遥感影像特征点存在的
不足,采用线特征约束点特征的方法进行SIFT同名点对的提取 最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。
-A line-based features and SIFT features multi-point sources of remote sensing image
-
-
0下载：
别对两幅图像提取广义特征点后，
利用基于根均方误差和交叉相关的两级匹配算法完成同名控制点的建立。并以局部加权直线拟合方法来校正图像
的几何畸变。最后建立两幅图像之间的函数映射关系，完成图像的配准。实验结果证明了该方法的有效性。-Do the two images extracted generalized characteristic point, the root mean square error-based and cross-correlation of the two cont
-
-
0下载：
基于harris角点特征的图像配准程序，首先改进Harris角点检测算子，以便准确提取样本图像的特征点并赋予特征描述符。-Harris corner feature based image registration procedures, the first improved Harris corner detection operator for accurate feature point extraction and sample images are given descr iptors
-
-
0下载：
The Point Cloud Library (or PCL) is a large scale, open project for point cloud processing.
The PCL framework contains numerous state-of-the art algorithms including filtering, feature estimation, surface reconstruction, registration, model fitt
-
-
1下载：
稳健点集配准的高斯混合模型程序。可用于轮廓提取后的图像配准。-Robust point set registration process Gaussian mixture model. After the contour extraction can be used for image registration.
-
-
0下载：
power point presentation of image registration and fusion
-
-
0下载：
针对多幅图像之间的图像配准问题，该文提出了一种新的图像自动配准算法。该算法应用Harris
角点检测方法获得角点信息。在匹配过程中。采用圆形区域和双向相关系数法进行相似性度量。采用圆
形区域，很好的解决了旋转问题；采用双向相关系数法，更加保证了匹配的精确度，减少误匹配率。初步
实验结果表明：该方法可以高效短时地实现图像间的自动配准。-Image registration problem between multiple images of the paper, a new autom
-
-
0下载：
matlab 经典的ICP点云配准算法 ，已经通过测试，下载即可运行，可以很好的帮助你理解ICP算法-matlab classic ICP point cloud registration algorithm has been tested download to run can be very good to help you understand the ICP algorithm
-
-
0下载：
不同传感器或同一传感器在不同时间、不同地点获得的图像在空间上往往会存在差异。图像配准是图像融合的重要前提条件，配准精度的高低直接决定融合的重要前提条件，配准精度的高低直接决定融合结果的质量，图像配准是图像融合的关键技术之一。对不同的图像以及应用领域，适用的配准方法有可能有很大的差别，根据图像特点和应用角度找出适合的配准方法，是解决图像融合问题的关键。-Different sensors or the same sensor at different times, in different lo
-
-
0下载：
ICP算法在点云配准中的应用，经典的迭代最近点算法-ICP algorithm for point cloud registration application, the classic iterative closest point algorithm
-
-
0下载：
icp算法C++实例，用于点集的配准，实现两片点云数据的拼接-icp algorithm C++ instance, used for the registration point set to achieve splice two pieces of point cloud data
-
-
0下载：
基于联合相似测度的SAR图像边缘点特征配准方法-Based on a similar measure joint SAR image edge point feature registration method
-
-
0下载：
基于随机游走的额图像配准，在图像中定义种子点，然后寻找和该种子点最相似的位移，从而实现图像配准。-Frontal image registration based on random walk, define the seed point in the image, and then look for and the most similar to the seed point displacement, so as to realize image registration.
-
-
0下载：
point set registration
-
-
1下载：
一种经典的点模式匹配方法—CPD，能较好解决点的刚性变换或非刚性变换的参数求解问题。-A kind of point set registration—CPD which can well solve the parameters of rigid and nonrigid transform.
-
-
0下载：
point cloud 点云配准计算，通过选择几组匹配的点云数据对对点云数据进行配准处理-point cloud point cloud registration computing, by selecting a set of match point cloud data point cloud data registration process
-
-
0下载：
三维激光点云配准是点云三维建模的关键问题之一。经典的 ICP 算法对点云初始位置要求较高且配准
效率较低，提出了一种改进的 ICP 点云配准算法。该算法首先利用主成分分析法实现点云的初始配准，获得较好
的点云初始位置，然后在经典 ICP 算法的基础上，采用 k － d tree 结构实现加速搜索，并利用方向向量夹角阈值去除
错误点对，提高算法的效率。实验表明，本算法流程在保证配准精度的前提下，显著提高了配准效率。
-Three-dimensional laser point cl
-
-
0下载：
我们采用无办法变形质量人体模板的网格从其原来的姿势对点云数据指定不同的姿势。在此方法中，我们首先建立粗模板网格和点云通过压缩的光谱嵌入技术，利用人体四肢之间的对应关系。基于这些对应关系，我们定义使用弹性能量泛函的非刚性配准的目标和应用离散的梯度流，以减少粗控制网格和点云之间的区别。然后可从之后使用均值坐标控制网格的变形变形的模板网格。(We employ a deformable, deformable human body template mesh to specify different
-
-
0下载：
图片配准，点集分类，采用EM方法求解高斯混合模型。(Image registration, point set classification, EM method is used to solve the Gauss mixture model.)
-
-
0下载：
实现 super4pcs 的算法。实现点云的配准(for Super4pcs algorithm . for cloud point registration.)
-
«
1
23
4
5
6
7
8
9
10
...
13
»
