随笔分类 - PCL学习
摘要：写在前面 最近公众号的活动让更多的人加入交流群，尝试提问更多的我问题，群主也在积极的招募更多的小伙伴与我一起分享，能够相互促进。 这里总结群友经常问，经常提的两个问题，并给出我的回答： （1）啥时候能出教程，能够讲解PCL中的各种功能？ （2）如何解决大规模点云的问题呢？ 以下给出正式的解答以及计划
阅读全文
摘要：三维配准中经常被提及的配准算法是ICP迭代的方法，这种方法一般般需要提供一个较好的初值，也就是需要粗配准，同时由于算法本身缺陷，最终迭代结果可能会陷入局部最优，导致配准失败，往往达不到我们想要的效果。本文介绍的是另一种比较好的配准算法，NDT配准。所谓NDT就是正态分布变换，作用与ICP一样用来估计
阅读全文
摘要：pcl_common库包含大多数PCL库使用的公共数据结构和方法。核心数据结构包括PointCloud类和许多用于表示点、表面法线、RGB颜色值、特征描述符等的点类型。它还包含许多用于计算距离/范数、均值和协方差、角度转换、几何变换，等等。这个模块是不依赖其他模块的，所以是可以单独编译成功，单独编译
阅读全文
摘要：在基于激光的自动驾驶或者移动机器人的应用中，在移动场景中提取单个对象的能力是十分重要的。因为这样的系统需要在动态的感知环境中感知到周围发生变化或者移动的对象，在感知系统中，将图像或者点云数据预处理成单个物体是进行进一步分析的第一个步骤。 在这篇文章中就提出了一种十分高效的分割方法。首先是将扫描到的点
阅读全文
摘要：hi 小伙伴们，人啊，很容易有惰性，很久不跟新了，不做笔记了，如今“良心发现”，毕业之后第一次更新博客。当然还是学习，整合分享给更多的人！ 相信关注我博客和微信公众号的人很多都是做点云处理，那么使用的传感器不是激光就是相机，这里将介绍一下双目立体视觉 双目立体视觉，在百度百科里的解释是这样解释的：双
阅读全文
摘要：(1)关于点云的配准 1.首先给定源点云与目标点云。 2.提取特征确定对应点 3.估计匹配点对应的变换矩阵 4.应用变换矩阵到源点云到目标点云的变换 配准的流程图 通过特征点的匹配步骤 （1）计算源点云与目标点云的关键点 （2）计算关键点的特征描述子（比如：FPFH等等） （3）匹配特征点计算出对应
阅读全文
摘要：（1）Euclidean分割 欧几里德分割法是最简单的。检查两点之间的距离。如果小于阈值，则两者被认为属于同一簇。它的工作原理就像一个洪水填充算法：在点云中的一个点被“标记”则表示为选择在一个的集群中。然后，它像病毒一样扩散到其他足够近的点，从这些点到更多点，直到没有新的添加为止。这样，就是一个初始
阅读全文
摘要：这个首先并不是我一边做实验一遍记录的，而是我做完成以后才想起来做个分享的，所以中途遇到的很多问题，并没有来得及记录下来，现在写的这些都是后话了 首先呢！我们不需要在ＲＯＳ下写halcon的程序也是可以主要就是要添加halcon 的库而已，但是我也是找了很长时间，发现其实是有国外的大牛做的类似与cv_
阅读全文
摘要：在PCL的库函数中是有关于深度图到点云数据之间的转化的函数，所以这里首先说清楚深度图像与点云之间的关系， 1.深度图像（depth image)也叫距离影像（range image），是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像。获取方法有：激光雷达深度成像法、计算机立体视觉成像、
阅读全文
摘要：Semantic Segmentation of Point Clouds using Deep Learning 在计算机视觉中，用3D表示数据变得越来越重要。 近年来，点云已成为3D数据的代表。 点云是一组3D点，它可以有不同的传感器获得，如激光雷达扫描仪。 点云也可以具有每个点的RGB值，这就
阅读全文
摘要：还是紧接着上一文章的思路继续介绍3D特征点的基本概念问题，还是这个表格： NARF (Normal Aligned Radial Feature) 这是一个局部特征点，NARF功能扩展了SIFT（Lowe）的一些概念。主要的参考文献： Object recognition from local sc
阅读全文
摘要：很久没有更新相关内容了，很多朋友过来私信我，但由于时间问题，不能一一为大家解答，本人也不是无所不知的大神，还请各位谅解。 本文主要总结PCL中3D特征点的相关内容，该部分内容在PCL库中都是已经集成的在pcl_feature模块中，该模块包含用于点云数据进行3D特征估计的数据结构以及原理机制，3D特
阅读全文
摘要：对于PCL 库中的各个模块之间是有相互依赖关系的 其中Common模块是最基础的模块，其中是定义各种数据结构的头文件，所以Common这个模块是不需要依赖性响的，但是IO 模块就是需要common和Octree两大模块的支持，这时候应该怎么引用他们的依赖项呢，这里就需要讲解如何让构建静态库与动态库了
阅读全文
摘要：经常会有有人问到CMake的学习的问题，而且网上也有很多博客是介绍学习CMake 的用法，但是我觉的学习不用这样死板，用到了就顺便学习一下，也就是边做边学，由浅入深，慢慢的就会熟悉了，这个学习的过程中会遇到很多问题，以解决问题的方式驱动自己学习CMake,首先总结一下CMake 的好处，CMake是
阅读全文
摘要：使用卷积神经网络（CNN）架构的深度学习（DL）现在是解决图像分类任务的标准解决方法。但是将此用于处理3D数据时，问题变得更加复杂。首先，可以使用各种结构来表示3D数据，所述结构包括： 1 体素网格 2 点云 3 多视图 4 深度图 对于多视图和深度图的情况，该问题被转换为在多个图像上使用2D CN
阅读全文
摘要：接着上一篇的介绍继续 关于在使用readHeader函数读取点云数据头的类型的代码（Read a point cloud data header from a PCD file.） 查看PCD文件里的内容（其实对于如何生成这种高纬度的文件呢？） 另外一种PCD文件的比如VFH的PCD文件 那么接下来
阅读全文
摘要：FLANN库全称是Fast Library for Approximate Nearest Neighbors，它是目前最完整的（近似）最近邻开源库。不但实现了一系列查找算法，还包含了一种自动选取最快算法的机制,在一个度量空间X给定一组点P=p1,p2,…,pn，这些点必须通过以下方式进行预处理，给
阅读全文
摘要：在过去的这些年里，对二维图像已经有了大量深入的研究，并且有着长足的发展。它在分类任务上取得了极好的结果主要得益于一下两个关键因素： 1.卷积神经网络。 2.数据 - 大量图像数据可用。 但是对于3D点云，数据正在迅速增长。大有从2D向3D发展的趋势，比如在opencv中就已经慢慢包含了3D点云的处理
阅读全文
摘要：那我们无论在虚拟机还是在双系统的Ubuntu环境下都是一样的安装过程 我们使用快捷键“ctrl+alt+T”,来打开一个命令窗口如下图 比如我们在命令窗口下输入ls 我们会看到在主目录下的所有文件 下图是我插上u盘的界面，点击确定，有时候插上U盘反应比较慢， 如果U盘不显示你可以点击“虚拟机”查看是
阅读全文
摘要：安装虚拟机 (1) 下载VMware安装（自己百度一下，会有很多可供下载的） (2) 安装方式： 双击，一路点击next，不用更改安装路径（当然你也可以更改），选择安装“典型”即可 接着就有安装成功的提示的页面 然后双击桌面的安装的软件 进入后的界面 选择“创建新的虚拟机” 点击“下一步” 在下一个
阅读全文