神子

摘要： Windows+Python+anaconda机器学习安装及环境配置步骤 1. 下载安装python3.6以上版本（包含pip，不用自己安装）2. 直接下载安装pycharm安装包（用于编写python）3. 直接下载安装anaconda安装包（包含numpy，sklearn，省去python配置n 阅读全文

摘要： 计算机网络（简称为网络）由若干结点（node）和连接这些结点的链路（link）组成。网络中的结点可以是计算机、集线器、交换机或路由器等（集线器、交换机、路由器）。 阅读全文

摘要： kd-tree或者k维树是计算机科学中使用的一种数据结构，用来组织表示k维空间中点的集合。它是一种带有其他约束条件的二分查找树。Kd-tree对于区间和近邻搜索十分有用。一般位于三维空间中的邻域搜索常用kd-tree，因此本文中所有的kd-tree都是三维的kd-tree。 阅读全文

摘要： CCD是光积分器件，它以固定大小的面积在固定的时间间隔内对投影其感光面上的光强进行积分，输出的结果就是图像的灰度值。由于CCD的积分时间和面积是相对固定的，所以它的输出灰度值只与感光面上光强分布有关。 阅读全文

摘要： ICP算法简介 根据点云数据所包含的空间信息，可以直接利用点云数据进行配准。主流算法为最近迭代算法（ICP，Iterative Closest Point）,该算法是根据点云数据首先构造局部几何特征，然后再根据局部几何特征进行点云数据重定位。 一、 ICP原理 假设两个点云数据集合P和G，要通过P转 阅读全文

摘要： 上一篇博客介绍了基本隐式曲面的生成，以及点云对齐的基本操作，但是发现精度达不到理想要求，本文通过优化迭代点和步长设置优化点云对齐到隐式曲面的精度。 阅读全文

摘要： 这次主要介绍一种点云对齐的方法,多视数据最近迭代(ICP)对齐是最常用的点云对齐方法,为了提高对齐的精度及稳定性我们使用一种基于移动最小二乘(MLS)曲面的ICP多视数据对齐方法.该方法无需对数据进行额外的去噪和数据分割.对于优化噪声点的点云对齐可以采用本方法进行点云对齐。 阅读全文

摘要： 最小二乘使所有点到曲线的方差最小.利用最小二乘对扫描线上的所有数据点进行拟合,得到一条样条曲线,然后逐点计算每一个点Pi到样条曲线的欧拉距离ei（即点到曲线的最短距离）,ε是距离的阈值，事先给定，如果ei≥ε，则将该点判断为噪点. 该方法最重要的事先拟合样条曲线。 阅读全文

摘要： 传统产品开发正向设计:包括功能描述,概念设计,定制工艺流程,物体加工,产品检测.按照实物的样本,利用数字化技术重新构建模型,这种开发模式称为逆向工程(RE, reverse engineering),逆向工程就是将实物转化为CAD模型的过程。 逆向工程包括：实物几何外形数字化，CAD模型重建，产品或模具制造。 常用逆向软件：Imageware, Poltworks, Geomagic, ICEMSurf, RE-Sof, copyCAD。 阅读全文

摘要： 感觉MFC不属于程序员细究的东西，今实现基本界面避免日后遗忘。 源代码： 阅读全文