綜述 掃描數(shù)據(jù)中存在大量冗余數(shù)據(jù)（不同角度多次拍攝），為后續(xù)曲面重建、模型編輯等帶來很大不便鬓梅，因此需要點(diǎn)云數(shù)據(jù)簡化宋渔。 模型的特征區(qū)域：進(jìn)行檢測和提取 非特征區(qū)域：簡化處理 特...
發(fā)簡信
IP屬地：山東
-
筆記：三維點(diǎn)云數(shù)據(jù)特征檢測 -
博主你好孝扛，請(qǐng)問視頻里面演示的軟件是什么軟件圾笨？我最近在做delaunay三角網(wǎng)相關(guān)的學(xué)習(xí)乔遮。希望能得到你的幫助然遏，謝謝贫途！
提取平面點(diǎn)云的輪廓
一. 基于凸包的凹點(diǎn)挖掘算法： 1. 提取點(diǎn)云的凸包 2. 計(jì)算凸包每條邊的頂點(diǎn)的點(diǎn)密度（即該點(diǎn) K 個(gè)臨近點(diǎn)到該點(diǎn)的距離平均值） 3. 如果頂點(diǎn)點(diǎn)密度大于所在邊...
-
提取平面點(diǎn)云的輪廓
一. 基于凸包的凹點(diǎn)挖掘算法： 1. 提取點(diǎn)云的凸包 2. 計(jì)算凸包每條邊的頂點(diǎn)的點(diǎn)密度（即該點(diǎn) K 個(gè)臨近點(diǎn)到該點(diǎn)的距離平均值） 3. 如果頂點(diǎn)點(diǎn)密度大于所在邊...
-
-
慣導(dǎo)與里程計(jì)組合（1）
關(guān)注我新建的公眾號(hào) 搜索慣導(dǎo)學(xué)習(xí)或learnsins 大家一起來學(xué)習(xí)慣導(dǎo)的速度是由積分而來潮饱，存在誤差隨時(shí)間的積累，而里程計(jì)的速度是直接測量量诫给，其誤差不隨時(shí)間變化香拉。由于這一特點(diǎn)...
-
小覓智能開學(xué)季 | 學(xué)習(xí) SLAM 該如何入門？（持續(xù)更新）開學(xué)季中狂，又有一批學(xué) SLAM 的童鞋們要入坑了??凫碌，為了方便大家愉快地學(xué)習(xí)，小覓智能整理了下知乎上 SLAM 領(lǐng)域的活躍問答者 @半閑居士@毛曙源@立黨@bobin@太一吾魚水...
-
SLAM 學(xué)習(xí)與開發(fā)經(jīng)驗(yàn)分享
導(dǎo)語 毫無疑問胃榕，SLAM是當(dāng)前最酷炫的技術(shù).在這里盛险，我給大家分享一些在學(xué)習(xí)SLAM的過程中的一些資料與方法（不斷更新中...）https://github.com/bmsle...
-
個(gè)人微信公眾號(hào)：3D視覺工坊<br>關(guān)注后苦掘，可以加入我們的技術(shù)交流群换帜，以及獲取3D視覺學(xué)習(xí)資料。<br>
-
SLAM后端優(yōu)化（續(xù)）一鹤啡、“續(xù)”的由來 上一篇文章已經(jīng)講了SLAM的后端優(yōu)化惯驼，使用的是Bundle Adjustment方法。而且介紹了如何利用矩陣的稀疏性加速運(yùn)算递瑰。不過現(xiàn)實(shí)往往比我們想象的更殘酷...
-
-
SLAM學(xué)習(xí)筆記2筆記分兩部分: 1. SLAM基本框架 2.用cmake編譯cpp源文件 SLAM基本框架 SLAM要解決兩個(gè)問題：定位和建圖抖部。一個(gè)基本的SLAM框架包括：傳感器信息讀取说贝，視...
-
-
SLAM后端優(yōu)化一乡恕、什么是后端優(yōu)化 上一篇文章介紹了視覺里程計(jì)的設(shè)計(jì)與實(shí)現(xiàn)，也就是所謂的“前端”俯萎。既然有前端就一定有后端几颜，本文就來介紹一下SLAM的后端優(yōu)化。 前端的視覺里程計(jì)可以給出一個(gè)增...
-
-
Ceres入門
Ceres solver 是谷歌開發(fā)的一款用于非線性優(yōu)化的庫，在谷歌的開源激光雷達(dá)slam項(xiàng)目cartographer中被大量使用涮母。Ceres官網(wǎng)上的文檔非常詳細(xì)地介紹了其具...
-
Optimization的樹洞叛本。<br>找到自己的定位(開心點(diǎn))并努力實(shí)現(xiàn)沪蓬。
