上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 35 下一页
摘要: 首先,数据读取部分开启了两个后台线程,一个负责串口的连接和测试;一个负责数据的接收。 几个基本概念: 建立连接和关闭连接。 开始记录和停止记录。 保存CSV文件。 1.查找COM端口,Urg_driver::find_ports调用Serial::find_ports()方法。 1 std::vec 阅读全文
posted @ 2017-03-14 19:56 太一吾鱼水 阅读(425) 评论(0) 推荐(0)
摘要: A laser mount on a tilting unit. 目前的硬件获取数据出现了这么个问题,应该是激光没有安装好,扫描方向没有真正沿着铅锤方向。考虑进行校准。 初步校正了一下,可以差不多看了,不过发现北阳的误差真的很大啊!北阳激光采集点本身需要运动补偿吗? (PS:点云数据误差大的原因是计 阅读全文
posted @ 2017-03-04 19:59 太一吾鱼水 阅读(2976) 评论(0) 推荐(0)
摘要: CC中有两个地方使用了文件保存,一个是MainWindow,另一个是ccCommandLineParser。 MainWindow的保存按钮关联的槽是doActionSaveFile()方法,实现了点云和Mesh的保存。 1 void MainWindow::doActionSaveFile() 2 阅读全文
posted @ 2017-02-19 10:42 太一吾鱼水 阅读(642) 评论(0) 推荐(0)
摘要: 最近事情真是多,今天抽空研究一下Kinec2.0的数据获取! 系统要求 https://developer.microsoft.com/en-us/windows/kinect/hardware-setup 系统环境 联想Y430P,Windows10 首先安装了Kinect for Windows 阅读全文
posted @ 2017-02-15 14:44 太一吾鱼水 阅读(2630) 评论(0) 推荐(0)
摘要: LaTeX是什么? 文档结构 标点符号 行内公式$\oint\sqrt{a}$ 行间公式 \begin{equation}\label{a}\oint\sqrt{a}\end{equation} 阅读全文
posted @ 2017-01-21 21:40 太一吾鱼水 阅读(244) 评论(0) 推荐(0)
摘要: k-平均值算法对孤立点很敏感!因为具有特别大的值的对象可能显著地影响数据的分布. k-中心点(k-Medoids): 不采用簇中对象的平均值作为参照点, 而是选用簇中位置最中心的对象, 即中心点(medoid)作为参照点. http://blog.csdn.net/abcjennifer/artic 阅读全文
posted @ 2017-01-17 15:56 太一吾鱼水 阅读(1704) 评论(0) 推荐(0)
摘要: 概率图模型(PGM):有向图模型,无向图模型和混合概率图模型。 有向概率图模型:隐马尔科夫模型,贝叶斯网络和动态贝叶斯网络。 无向概率图模型:马尔科夫随机场 MRF,——>条件随机场 CRF。 混合概率图模型:链图。 Markov-Gibbs的等价性 Harmmersley--Clifford定理: 阅读全文
posted @ 2017-01-05 19:00 太一吾鱼水 阅读(1532) 评论(2) 推荐(0)
摘要: Diffusion maps接触到扩展映射,高维数据降维的相关东西。 扩展映射是一种非线性方法。 阅读全文
posted @ 2016-12-27 15:50 太一吾鱼水 阅读(2244) 评论(0) 推荐(0)
摘要: True Positive (TP) False Positive (FP) False Negative (FN) True Negative TN 准确率(accuracy) = 预测对的/所有 = (TP+TN)/(TP+FN+FP+TN)精确率(precision) = TP/(TP+FP) 阅读全文
posted @ 2016-12-09 09:31 太一吾鱼水 阅读(843) 评论(0) 推荐(0)
摘要: //根据字段滤波void MainWindow::doActionFilterByValue() 阅读全文
posted @ 2016-12-02 16:54 太一吾鱼水 阅读(479) 评论(0) 推荐(0)
摘要: 常见的平面拟合方法一般是最小二乘法。当误差服从正态分布时,最小二乘方法的拟合效果还是很好的,可以转化成PCA问题。 当观测值的误差大于2倍中误差时,认为误差较大。采用最小二乘拟合时精度降低,不够稳健。 提出了一些稳健的方法:有移动最小二乘法(根据距离残差增加权重);采用2倍距离残差的协方差剔除离群点 阅读全文
posted @ 2016-11-25 15:25 太一吾鱼水 阅读(2639) 评论(0) 推荐(0)
摘要: (1)计算机科学国际学术会议 机器学习顶级会议 NIPS, ICML, UAI, AISTATS; (期刊:JMLR, ML, Trends in ML, IEEE T-NN) 计算机视觉和图像识别 ICCV, CVPR, ECCV; (期刊:IEEE T-PAMI, IJCV, IEEE T-IP 阅读全文
posted @ 2016-11-18 10:40 太一吾鱼水 阅读(2798) 评论(0) 推荐(0)
摘要: 之所以回顾这个知识点,是因为文[1]用这种方法对比了4种匹配方法的精度和稳健性。 经过大量的试验,所有的匹配结果中,小误差的累积概率越大,则该匹配方法的精度越高。大多数情况下该方法能够取得较好的匹配精度。 1. Magnusson, M., et al., Beyond points: Evalua 阅读全文
posted @ 2016-11-16 11:12 太一吾鱼水 阅读(4504) 评论(0) 推荐(0)
摘要: Global Mapper Lidar Module还挺厉害的,自动分类的效果很不错。 首先去除地面点,用的是形态学滤波方法。 之后可以分类出建筑物、低中高树木、电力线路。 https://www.bluemarblegeo.com/products/global-mapper-lidar.php 阅读全文
posted @ 2016-11-13 19:01 太一吾鱼水 阅读(7040) 评论(0) 推荐(0)
摘要: CloudCompare中手动点云分割功能ccGraphicalSegmentationTool, 点击应用按钮后将现有的点云分成segmented和remaining两个点云, //停用点云分割功能void MainWindow::deactivateSegmentationMode(bool s 阅读全文
posted @ 2016-11-10 14:20 太一吾鱼水 阅读(3047) 评论(0) 推荐(0)
摘要: DgmOctree类的executeFunctionForAllCellsAtLevel和executeFunctionForAllCellsStartingAtLevel方法通过回调函数octreeCellFunc,执行八叉树中每个单元的相关计算。 通过DgmOctree遍历获取每一个Cell单元 阅读全文
posted @ 2016-11-03 19:50 太一吾鱼水 阅读(830) 评论(0) 推荐(0)
摘要: ccGLWindow::paintGL() | ccGLWindow::fullRenderingPass(...) | ccGLWindow::drawBackground(context, renderingParams); ccGLWindow::draw3D(context, renderi 阅读全文
posted @ 2016-11-01 20:20 太一吾鱼水 阅读(972) 评论(0) 推荐(0)
摘要: Smart Geometry Processing Group http://geometry.cs.ucl.ac.uk/index.php VCC 可视计算中心 http://vcc.szu.edu.cn/research/ 阅读全文
posted @ 2016-10-27 16:29 太一吾鱼水 阅读(532) 评论(0) 推荐(0)
摘要: PCL支持点云的形态学滤波,四种操作:侵蚀、膨胀、开(先侵蚀后膨胀)、闭(先膨胀后侵蚀) 关于渐进的策略,在初始cell_size_ 的基础上逐渐变大。满足如下公式: $$window\_size =cell\_size *(2*base^{k}+1)$$ $$window\_size =cell\ 阅读全文
posted @ 2016-10-10 16:54 太一吾鱼水 阅读(5949) 评论(0) 推荐(1)
摘要: 基于CC写的插件,利用PCL中算法实现: 具体实现参考RegionGrowing类: 算法实现的关键多了一步种子点选取的过程,需要根据某一种属性排序。 区域生长的主要流程: 阅读全文
posted @ 2016-09-29 15:02 太一吾鱼水 阅读(7054) 评论(0) 推荐(1)
上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 35 下一页