注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 自由曲面测量点云数据的建模方法研究.pdf

  2. 本文提出了一种散乱点云数据的建模新方法。通过对点云数据进行空间三维划分，实现了边界信息的高效提取。采用局部曲面拟合方式得到位于截平面上的有序数据，使得无序的散乱数据形成了有序的阵列数据，实现了NURBS曲面的精确拟合。实验证明，该方法非常适合卷曲类模型的自由曲面重构，在某零件的测量、建模和加工中已经得到了实际应用。

  3. 所属分类：专业指导

    • 发布日期：2009-09-04
    • 文件大小：165888
    • 提供者：TZD1012

  1. 散乱点曲面拟合及在车身曲面中的应用

  2. 提出了一种基于NlJRBS曲面的散乱点参数曲面拟合方法，可以对散乱点云数据进行插值或基于最小二乘 意义下的光顺拟合。完成了软件开发并在汽车车身外形曲面设计中得到了应用。NURBS曲面的优良品质保证了 这种方法计算稳定，生成的曲面满足光顺要求。

  3. 所属分类：制造

    • 发布日期：2011-12-05
    • 文件大小：281600
    • 提供者：xjtugjj

  1. 点云数据处理算法

  2. 该算法比较成熟地解决了点云处理中的一些困难：空洞填补、曲面拟合等等

  3. 所属分类：C++

    • 发布日期：2012-05-17
    • 文件大小：577536
    • 提供者：nanhewendou56

  1. 散乱点云数据快速边缘提取算法研究

  2. 对不具有拓扑结构的散乱点云数据，首先采用基于KD-tree的改进算法进行邻域点集的提取。然后用最小二乘法对提取出的邻域点集进行平面拟合，把邻域点集里的点投影到拟合平面上使其投影点具有拓扑结构，并得到投影点坐标数据。再对拟合平面上的投影点进行向量构建，找出两相邻向量之间的夹角。最后根据夹角的大小来确定边缘点，完成散乱点云数据的边缘快速提取。

  3. 所属分类：其它

    • 发布日期：2014-09-17
    • 文件大小：926720
    • 提供者：tjm312646489

  1. 点云拼接和拟合算法

  2. 这是两篇关于激光雷达点云数据的文献，一篇是有关于点云拟合算法，一篇是有关于点云模型拼接的，个人觉得还不错！

  3. 所属分类：C/C++

    • 发布日期：2014-11-18
    • 文件大小：10485760
    • 提供者：u012736279

  1. C#圆弧拟合程序

  2. C#圆弧拟合程序，可以基于点云，拟合出圆弧，还能导入文本点云数据

  3. 所属分类：C#

    • 发布日期：2014-12-26
    • 文件大小：307200
    • 提供者：sakawinki

  1. 点云数据拟合圆

  2. 根据给定的点云数据拟合出最优圆，给出圆的半径及圆心；基于VS2010，其他高级版本若有错误，须将memory文件里34行的继承删除。

  3. 所属分类：C/C++

    • 发布日期：2018-05-23
    • 文件大小：17825792
    • 提供者：qq_34339533

  1. C++已知点云数据拟合成几何体

  2. 1、读取点云数据，拟合得到圆柱半径值. 2、改编自“学编程的小蜜蜂”的matlab源程序 3、输出：拟合得到的半径R，起点坐标、轴线方向

  3. 所属分类：算法与数据结构

    • 发布日期：2018-09-01
    • 文件大小：448512
    • 提供者：ollyestn

  1. 基于3dsmax二次开发实现点云数据拟合，圆柱拟合

  2. 基于3dsmax二次开发实现点云数据拟合，将离散的点云数据拟合为圆柱体。采用C++在3dsmax二次开发框架下实现，编译结果放入3dsmax plugins目录中，启动3dsmax时，自动加载，界面功能在Utilities实用工具页面。

  3. 所属分类：深度学习

    • 发布日期：2019-04-14
    • 文件大小：1048576
    • 提供者：ollyestn

  1. 基于ROS的激光点云处理（点云降采样、欧式聚类分割的目标检测、地面拟合分割）

  2. 完整的ROS工程，针对激光点云数据，可以实现点云降采样处理、基于欧氏距离聚类分割的目标检测和地面拟合分割算法。可以直接使用。

  3. 所属分类：C++

    • 发布日期：2020-01-08
    • 文件大小：2097152
    • 提供者：cquszj

  1. 无需顾及初值的坐标转换法拟合任意方向点云圆柱面

  2. 文中提出了一种简便可行的方法来拟合点云圆柱面,其主要通过改进坐标转换法的圆度误差方程进行去相关变换来减弱方程对初值的依赖性,因此不必顾及参数初值的选取。进一步对不同组点云数据的拟合结果进行分析,并在投影坐标系下绘制圆度投影图和等值线,验证了该方法的准确性和实用性。

  3. 所属分类：其它

    • 发布日期：2020-06-11
    • 文件大小：799744
    • 提供者：weixin_38630324

  1. 抗差估计在机载激光雷达点云滤波中的应用

  2. 机载激光雷达(Lidar)点云数据滤波是Lidar 数据后处理研究的重点和难点之一，也是首要解决的问题。传统曲面约束滤波算法利用最小二乘法拟合地形曲面，易受种子点粗差影响。针对这一问题，引入抗差估计理论改善曲面拟合效果，并设计自适应阈值确定的方法区分地面点与地物点。使用国际摄影测量与遥感学会(ISPRS)测试数据进行实验，与传统的8 种经典滤波方法进行对比，实验结果表明，抗差估计能得到更为合理的拟合曲面，获取的滤波结果非常可靠，对各种地形的适应性较强，具备较高实用价值。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：2097152
    • 提供者：weixin_38645133

  1. Matlab：MATLAB-研究-点云-源码

  2. MATLAB-研究-点云： 1.使用点云测量和分析3D场景： 来源： : 点云是数据点的集合，其中数据集的各个点表示现实世界中被扫描对象的表面点的坐标。 点云用于测量现实世界的场景，通常由激光雷达扫描仪和其他设备产生。 点云处理用于增强现实（AR）和虚拟现实（VR）应用程序以及机器人技术和自动驾驶中的感知和导航。 公共点云处理任务包括： 读写点云数据以进行分析和显示 转换，过滤和注册3D点云 将3D点云分割成簇并将其拟合为几何形状 点云处理工作流程的主要组件是： 读取和可视化数据

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：156672
    • 提供者：weixin_42138716

  1. 平面舱壁类型的船舱点云分割方法

  2. 针对船舱复杂构件点云提取存在人工成本高、效率低的问题, 提出了一种适用于平面舱壁类型船舱点云的分割方法。通过种子点集构建、点云法线估计及直线拟合的方式建立以船舱纵向为X轴、横向为Y轴、竖向为Z轴的独立坐标系, 以简化分割算法的复杂度; 根据船舱内部复杂构件的分布特性, 制定最佳分割次序, 基于随机采样一致性算法拟合平面的思想有序地分割船舱构件点云。选用两组不同结构的船舱点云数据进行算法验证, 实验结果表明：该方法能够从不同结构的船舱散乱点云中快速、准确地自动分割出主要构件点云, 可靠性强, 具有

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：15728640
    • 提供者：weixin_38513665

  1. 基于形态学梯度的激光扫描点云特征提取方法

  2. 为从海量激光扫描点云数据中准确提取特征，提出了一种基于形态学梯度的激光扫描点云特征提取方法。该方法首先生成海量激光扫描点云数字高程模型，而后通过数学形态学对梯度的定义求取各激光脚点梯度，将梯度局部邻域均值作为局部自适应阈值，对点云数据进行分割，生成特征部分与平坦部分。使用随机抽样一致方法拟合平坦部分平面以及特征部分的圆孔，求取台阶面高度、圆孔内径等特征信息。实验结果表明：该方法可以有效地提取大规模点云数据的特征，圆孔类特征值提取最大误差不超过0.05 mm，台阶面高度提取误差不超过0.1 mm。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：6291456
    • 提供者：weixin_38625164

  1. 基于建筑物激光点云边缘线自动提取提高DSM精度

  2. 在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：9437184
    • 提供者：weixin_38618784

  1. 基于因子分析法的三维点云配准算法

  2. 针对数据排列无序、随机缺失及伴随白噪声等问题,提出一种基于因子分析法的三维点云配准方法。将点云数学模型扩展为正交因子模型,从而将点云的配准问题转换为对模型参数的求解问题;采用高斯混合模型对点云进行拟合,并通过最大期望算法(EMA)求解出正交因子模型的因子载荷矩阵;利用因子载荷矩阵完成对点云的配准。在仿真实验中,因子分析算法对随机丢失和带噪声的点云的配准情况,与经典迭代最近点(ICP)算法的配准精度相当,配准效率相比于ICP算法提升了70%以上。因子分析算法不会陷入局部最小值,在快速精确配准和稳定

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：11534336
    • 提供者：weixin_38624975

  1. 面向增强现实的点云配准算法

  2. 针对增强现实中基于目标点云的跟踪与注册问题,提出一种稳健Z分数混合树的配准算法。通过局部邻域内的点至拟合平面的垂直距离以及沿平面法线点的分布来识别噪点,运用绝对中位差增强Z分数的稳健性,同时,采用混合树算法提高最近点的搜索效率。将上述算法应用于增强现实的成像原理中,以对其进行理论论证。分别利用斯坦福大学某研究组的点云数据集和真实采集数据对该算法进行验证。结果表明,在含噪点云集中,该算法能在保持一定精度的同时有效提高配准效率,其用时约为对比算法的5%~10%。

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：3145728
    • 提供者：weixin_38718434

  1. 建筑物立面点云直线段特征提取方法

  2. 针对现有从建筑物立面点云数据中检测提取直线段特征的方法存在漏检现象严重和准确程度不高的问题,提出一种基于切片的建筑物立面点云直线段特征提取方法。首先对建筑物点云姿态进行调整,使其走向与Y坐标轴一致,然后沿三个坐标轴方向对点云进行切片并在切片上提取特征点;之后分别对三个方向提取的特征点基于圆柱体生长的方式进行直线段聚类;最后采用残差1范数最小进行聚类特征点的直线段拟合及对直线段端点进行调整和优化。采用多组实验数据对本方法进行验证,实验结果表明:本文方法的直线段提取精度为点云中平均点间距的1/2;与

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：15728640
    • 提供者：weixin_38686041

  1. 基于特征线拟合的微型复杂曲面点云分割方法

  2. 点云数据分块是模型反求过程中的重要环节,分割优劣影响模型重建的效率和精度。微型复杂曲面零件由多个微小图形并列、交叉组合而成,特征点精简、图元识别难度大,是数据分割中的难点。根据模型造型特点,分离带状特征点的下边界点作为拟合特征线的真实特征点;由每个图元端点的邻近关系和端点附近特征点的排列趋势识别属于同一图形的图元;利用以边界为约束的区域生长算法和三角形叉积的算法分割同一曲面的点云。实验结果表明:该方法克服了现有方法处理微型复杂曲面点云时出现的过分分割和分割不足的问题,为高质量的模型重建提供了基础

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：8388608
    • 提供者：weixin_38598613
« 12 3 4 »