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.
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
bianjieXY
- 程序可以提取点云数据的特征点，提取三维散乱点云的边界-Program point cloud data can be extracted feature points extracted boundary of D Scattered Clouds
optNESS
- 一种最新的点云邻域尺寸的选择方法，对点云后续处理，包括特征提取、点云分类等有很大的帮助-One of the latest point cloud neighborhood size selection method for point cloud subsequent processing, including feature extraction, point cloud classification is very helpful
matlab
- 三维模型数据中包含“Princeton Shape Benchmark dataset”，三维模型数据库，其中的.off文件为三维模型，这些模型可以使用文件夹中的“打开三维模型的软件”打开查看。 matlab代码中“读取三维模型”为matlab读取.off文件的代码，得到的是三角面片信息和点云坐标 “三维模型切割”中为切割三维模型的一个例子，具体是从三维模型上找三个点构成一个平面，找到这个平面与三维模型的交点，这只是一个例子，具体如何切割三维模型需要自己实现，其中读取的三维模
beam
- MATLAB声呐图像特征提取与显示，基于线型特征提取，得到声呐的图像提取点云图像。-MATLAB sonar image feature extraction and display, based on linear feature extraction, image extraction obtained sonar point cloud image.
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)
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)
slam
- 视觉slam十四讲，程序资料：g2o优化、cere拟合、特征点提取与匹配、点云拼接、opencv图像读取(Visual slam 14, program data: g2o optimization, cere fitting, feature point extraction and matching, point cloud mosaic, OpenCV image reading)