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. 三维测量点云数据重构方法研究

  2. 在点云精简环节，本文通过分析总结选取给定点间距离法、弦高偏差 法、角度弦高法做为研究对象。首先采用Matlab实现上述三个算法，然后 进行了大量实验。根据点云精简在简度、精度、速度三方面上的度量，确定 了参数设置准则和方法的应用范围，为后续工作提供了技术支撑。

  3. 所属分类：其它

    • 发布日期：2010-04-13
    • 文件大小：5242880
    • 提供者：opencv2008

  1. 大规模点云选择及精简

  2. 点云选择与精简是三维扫描系统中应对背景数据、冗余采样、分布不均匀 等问题的必要后处理步骤。针对定制低成本三维扫描系统的需求，传统方法仍有很多局限性。 这是由于研究领域未提供支持套索uI接t：／的点云选择算法；传统点云精简方法侧重曲率自 适应分布，无法保证平坦区域的均衡分布。论文提出一种支持套索UI接口的点云选择算法， 通过构建套索形状矩形覆盖与点云八叉树剔除大部分点在多边形内的判断；提出一种基于 Poisson—disk采样的均衡分布的点云精简算法，并以采样点邻域球布尔交运算来定义曲面上 的圆

  3. 所属分类：专业指导

    • 发布日期：2013-11-18
    • 文件大小：2097152
    • 提供者：q_023

  1. 八叉树点云精简

  2. 基于八叉树编码的点云数据精简方法，对八叉树优势做了分析

  3. 所属分类：C++

    • 发布日期：2014-09-20
    • 文件大小：1048576
    • 提供者：u012224988

  1. 点云包围盒精简MATLAB源码

  2. 利用包围盒算法的点云数据精简，代码正确可用，有详细注释和例子，运行正确，MATLAB源码

  3. 所属分类：其它

    • 发布日期：2017-07-27
    • 文件大小：1048576
    • 提供者：lllidongxia

  1. 三维点云精简的均匀网格法&不均匀网格法，matlab实现，带例程

  2. 自己实现的均匀&不均匀网格法。使用bunny数据进行了测试。欢迎交流指正。

  3. 所属分类：其它

    • 发布日期：2018-04-04
    • 文件大小：280576
    • 提供者：xxiaotouming

  1. 基于高斯球的三维点云精简，matlab实现，带例程

  2. 一篇15年文章的复原，先用kmeans均匀分块，然后高斯映射，然后meanshift精简。其中meanshift是固定阈值的，没加核函数。

  3. 所属分类：其它

    • 发布日期：2018-04-09
    • 文件大小：4194304
    • 提供者：xxiaotouming

  1. 基于法向量的点云数据精简算法matlab仿真

  2. 根据读取文献，自己写的一个基于法向量的点云数据精简的算法，写的比较简单，有注释也通俗易懂。可以更改REM7的取值(0<REM7<=1),来调整精简比例。

  3. 所属分类：互联网

    • 发布日期：2018-11-02
    • 文件大小：223232
    • 提供者：weixin_40493561

  1. 基于改进坐标增量的点云数据压缩算法

  2. 为提高点云数据三维建模及其应用的效率,在保证几何特征不变的前提下,进行数据压缩显得必要而迫切。针对地面三维激光扫描获得的点云数据密度大、冗余信息多,现有压缩算法存在不足的问题,在分析研究现有算法的基础上,将坐标增量法中一维扫描线点云数据逐点压缩扩展到二维扫描线与扫描线间点云数据的压缩,提出了改进坐标增量的点云数据精简压缩算法。并通过实例,借助Matlab平台编程,将该算法的压缩效果与坐标增量法、随机采样法、区域重心法和曲率采样法等现有典型算法的压缩效果进行定性和定量比较发现,对于按行或按列扫描的

  3. 所属分类：其它

    • 发布日期：2020-06-27
    • 文件大小：1048576
    • 提供者：weixin_38694541

  1. 三维点云精简的均匀网格法&不均匀网格法，matlab实现，带例程

  2. 自己实现的均匀&不均匀网格法。使用bunny数据进行了测试。欢迎交流指正。

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：268288
    • 提供者：sangsi

  1. 基于激光线扫方式的点云数据精简表达及STL文件生成方法

  2. 激光线扫方式扫描获取的点云数据量大，不利于存储、处理和分析，为此提出了一种基于向量夹角计算的点云数据精简表达方式及相应STL 文件生成方法，可有效精简大量的点云数据，且能够通过保留数据对象的关键拐点而维持原有数据对象信息的完整性。基于邻近点分析生成STL 文件的方法形成的三角面片之间无常规STL 文件生成方法所具有的缝隙及畸变现象，因此，具有较大的适用性和实际参考价值。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：5242880
    • 提供者：weixin_38640674

  1. 综合多种算法的点云精简优化策略与实验研究

  2. 针对野外扫描原始点云中存在各种形态噪声点和大量冗余数据,提出一种基于方法库、布料模拟滤波和曲率分级等综合算法运用的点云精简优化策略。首先利用统计滤波去除远距离稀疏的噪声点,然后利用直通滤波分割出含有近距离大密度噪声点的点云块,利用布料模拟滤波算法去除这类噪声点,再利用半径滤波去除目标点云周围近距离的噪声点,最后基于曲率分级压缩方法实现对点云冗余数据的去除,并与两种传统的压缩方法进行实验对比分析。实验结果表明,所提的精简优化策略能有效去除点云中的噪声点,在保留点云大部分特征点的同时,能最大化减少点

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：3145728
    • 提供者：weixin_38703955

  1. 基于点云深度映射颜色的导轨表面损伤识别

  2. 针对高速滑动电接触导轨，研究了表面微小损伤快速检测及分类识别方法。基于激光扫描原理，构建了三维测量系统，用于获取导轨表面形貌的三维点云信息，并给出了一种基于点云深度映射颜色的方法，用于导轨表面微小损伤的检测。将三维点云数据经过去噪、滤波平滑、数据精简等预处理之后，根据所设定的深度基准平面，构建点云深度映射颜色模型，将点云深度信息映射为红绿蓝(RGB)信息，采用一维最大熵法设定最优颜色阈值，实现损伤区域的准确提取；采用二叉树模式识别方法，建立损伤分类模型，实现导轨表面微小损伤的识别与分类。结果表明

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：3145728
    • 提供者：weixin_38596413

  1. 基于模糊熵迭代的三维点云精简算法

  2. 提出了一种基于模糊熵迭代的点云精简算法，在提高算法运行效率的同时，获得的精简点云模型具有更好的细节特征。对所有点云数据进行快速X-Y边界提取以保留点云边界特征；计算所有数据点的曲率，将除边界外的数据点按照曲率分组并计算每组数据点个数和曲率平均值；利用数据点的曲率构造点云模型的模糊集，计算最小模糊熵，从而得到最佳曲率划分阈值；对曲率小于阈值的数据点按迭代次数不同进行相应比例稀释，对曲率大于阈值的数据点在满足剩余点个数要求的条件下进行迭代计算模糊熵操作，不满足个数要求时数据点全数保留。实验证明该算法

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：4194304
    • 提供者：weixin_38670420

  1. 于法向量夹角信息熵的点云简化算法

  2. 针对点云简化很难完全保证精度和速度上达到最优的问题，提出了基于法向量夹角信息熵的点云简化算法。利用经典的主成分分析方法来估计点的法向量，计算法向量与参考平面的夹角，利用最邻近点搜索算法，确定每个点的K 个最邻近点，并根据信息熵的定义，提出法向量夹角局部熵模型，局部熵的大小直接反映了表面的特征状况；针对不同区域局部熵大小，进行逐步的点云简化，从而可以保留凸变区域较多的点，精简较多平面区域的点，实现点云的非均匀简化。实验结果表明，该方法在简化精度和速度上都能达到较优。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：3145728
    • 提供者：weixin_38590685

  1. 基于方法库的点云去噪与精简算法

  2. 为了减少不同尺度噪声对三维点云模型重建效果的影响,提出一种基于直通滤波、统计滤波、半径滤波、改进的双边滤波、体素栅格滤波的方法库的点云模型去噪与精简算法。首先利用直通滤波将目标物体提取出来,再依据噪声点离模型主体的距离,将其分为小尺度噪声和大尺度噪声,然后利用统计滤波结合半径滤波去除大尺度噪声,利用改进的双边滤波去除小尺度噪声,最后通过体素栅格滤波进行点云精简来降低空间复杂度,并以三角网格面重建展示该算法的精度效果。实验结果表明,该算法可有效去除点云模型的不同尺度噪声,在不破坏点云本身几何结构的

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：7340032
    • 提供者：weixin_38684806

  1. torch-points3d：在点云上进行深度学习的Pytorch框架-源码

  2. 这是一个框架，可针对经典基准运行用于点云分析任务的通用深度学习模型。 它在很大程度上依赖于和 。 该框架允许以最少的工作量和良好的可重复性构建精简而又复杂的模型。 它还提供了高级API，以使Pointcloud上的深度学习*化。 有关最新网络的框架功能和基准的概述，请参见3DV上的。 目录 总览 要求 CUDA 10或更高版本（如果需要GPU版本） Python 3.7或更高版本+标头（python-dev） PyTorch 1.5或更高版本（1.4和1.3.1也应正常工作，但没有得到积

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：88080384
    • 提供者：weixin_42097819

  1. 一种散乱点云的均匀精简算法

  2. 针对散乱点云数据密度大、重建时间长、效率低等问题，提出了一种散乱点云的均匀精简算法。该算法基于开源C++编程库点云库(PCL)，利用PCL的体素化栅格类创建一个K邻域三维体素栅格，结合包围盒法对输入的点云数据进行K邻域距离计算和法线估计，确定每个小立方栅格的重心，并以其来近似显示这个小立方栅格内所有的数据点，达到精简点云的目的，最后利用贪婪三角投影类对精简后的点云实现三角网格面重建并显示其效果。实验结果表明，该算法在充分保留点云数据几何特征的前提下，能有效滤除部分点云数据冗余量，且精简结果比较均

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：16777216
    • 提供者：weixin_38520046

  1. 空间栅格动态划分的点云精简方法

  2. 常规的特征保持点云精简方法需计算全部点云的微分信息，但直接计算高密度或含噪点云的微分信息存在一定偏差，导致点云精简效果不佳。提出一种基于栅格动态划分的点云精简方法。首先对模型进行空间栅格初划分，利用随机采样一致性算法剔除栅格内的干扰点，然后采用最小二乘法对剩余点进行平面拟合并计算平整度值，根据平整度值判别该栅格是否细分，将平坦区域压入大间距栅格内，特征丰富区域划分至小栅格中。针对小栅格内的点引入高斯函数降低远距离点对特征识别贡献的权重，综合曲面变化度和邻域法向量夹角信息共同识别特征点并保留，大栅

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12582912
    • 提供者：weixin_38642864

  1. 逆向工程中的点云采样算法研究

  2. 在逆向工程的数据处理中点云采样是一项关键技术，它可以实现点云精简，从而提高后续的建模效率。文中介绍了基于曲率的点云采样算法，并进行了相关的实验，对其有效性进行了验证。

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：854016
    • 提供者：weixin_38670297

  1. 基于体素下采样和关键点提取的点云自动配准

  2. 针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：10485760
    • 提供者：weixin_38607864
« 12 »