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. 斯坦福大学开发的一个三维点云重构生成网格，进一步生成NURBS曲面并加光照效果的系统SCNNALYZE

  2. 斯坦福大学开发的一个三维点云重构生成网格，进一步生成NURBS曲面并加光照效果的系统。可以实现对生成的三维图形旋转，移动和多个角度图形的拼接-Stanford University in the development of a 3D point cloud generation reconfigurable mesh, NURBS surface generation further increases and the effect of illumination system. Gener

  3. 所属分类：专业指导

    • 发布日期：2009-06-18
    • 文件大小：1002496
    • 提供者：colorfulweiwei

  1. 《基于RGB-D传感器的3D室内模型创建》摘要

  2. 本项目提出了一种基于Kinect（RGB-D传感器）的成本低廉、快速精准且操作简便的三维重建方法。首先对Kinect彩色摄像机进行标定，获取摄像机的内参数矩阵，并将深度摄像机与彩色摄像机对齐；使用了一种新的基于联合双边滤波的帧间滤波算法，对原始深度图像进行该滤波处理；通过PCL获取点云，并利用ICP算法完成点云精确配准，得到拼接的三维点云图。实验结果表明，该方法能够快速精准地创建3D室内模型。

  3. 所属分类：C++

    • 发布日期：2015-09-18
    • 文件大小：385024
    • 提供者：kh1445291129

  1. 点特征直方图（PFH）算法的matlab实现，以及基于PFH的点云拼接实验

  2. [原创]根据文献使用matlab实现了PFH算法，并使用它对bunny数据进行了基于特征匹配和RANSAC的拼接实验。关键点选取和特征匹配部分是直接用的之前文献复原的内容(资源已发布)，仅用来测试PFH的有效性。由于运行速度过慢，我将代码分为三块，依次运行PFH_demo.m（关键点提取）、PFH_demo2.m（PFH计算，耗时）、PFH_demo3.m（拼接实验与结果展示）。代码中实现的是64维度的描述符，与PCL中的略有不同。关键点如果用3D harris效果应该会更好一点。

  3. 所属分类：其它

    • 发布日期：2018-04-04
    • 文件大小：560128
    • 提供者：xxiaotouming

  1. lmicp C++源代码

  2. lm-icp对应论文的源代码，可用于2d及3d点云的拼接，是计算机图形学和计算机视觉领域的基础算法

  3. 所属分类：图像处理

    • 发布日期：2019-02-13
    • 文件大小：6144
    • 提供者：xiaolang86

  1. 融合点云RGB影像和3D-NDT算法溶洞的点云自动精确拼接

  2. 3D-NDT(正态分布变换)算法是一种应用在同时定位和地图生成(SLAM)的机器人领域中的点云拼接算法。在SLAM中,点云初始拼接是通过机器人测距仪获取两个站之间初始变换完成的,然后采用3D-NDT算法进行精确拼接。地面三维激光扫描仪无法直接获取两站点云的初始变换,因此3D-NDT算法无法直接应用到地面三维激光扫描作业中。文中针对地面三维激光获取溶洞点云数据的扫描流程,提出了一种融合点云RGB影像和3D-NDT算法的点云自动精确拼接方法。实验结果表明,该拼接方法针对百万级大型复杂溶洞点云数据,无

  3. 所属分类：其它

    • 发布日期：2020-05-10
    • 文件大小：768000
    • 提供者：weixin_38714910

  1. 基于不同拼接方式的三维点云拼接精度对比

  2. 三维激光扫描仪能快速、大量的获取点云数据,完成实景复制。但通常需要多测站扫描才能完成外业数据采集,内业数据处理还需完成点云的拼接,将所有数据转换到同一个坐标系下。点云拼接主要是基于靶球或者同名点进行,针对同名点的点云拼接方式,同名点识别影响因素较多的问题,因此提出基于灰度图的拼接方式。实验对两种拼接方式进行对比,计算拼接精度,得出灰度图拼接精度明显优于点云控制点的拼接。灰度图拼接数据精度高,能够满足隧道测量的基本要求。

  3. 所属分类：其它

    • 发布日期：2020-06-13
    • 文件大小：1048576
    • 提供者：weixin_38740328

  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