首页  思维导图  详情

PCL点云处理

2024-03-06 14:53:31   0  举报





仅支持查看

AI智能生成

"PCL点云处理是一种用于处理和操作三维点云数据的库。点云数据通常来自于激光雷达、深度摄像头等三维扫描设备。PCL提供了丰富的方法和算法，例如滤波、特征提取、点云分割、识别、跟踪、表面重建等，以帮助用户处理和分析这些复杂的数据。"

pcl

点云处理

cpp

软件

作者其他创作

大纲/内容

第14章电力巡检

第15章: 文物古迹保护

第16章: 地形测量

第17章: 无人驾驶

第18章: 逆向工程

第19章: 植物表型测量

第20章: 家畜表型测量

第2章: PCL入门

获取曲率

PFHSignature125-float

IntensityGradient

2.3.4 PCL中的异常处理机制

第3章,输入输出

设备获取

集成的一些设备

Primesense Reference Design

Microsoft Kinect

ASUS XTion PRO

PCD文件格式

PLY

STL

OBJ

X3D

第4章: k-d tree与八叉树

第5章:可视化

第6章:点云滤波

滤波的条件:

平均距离之外的点,视为离群点

问题1平局距离如何选取?

全局距离均值和标准差定义的区间

体素滤波

保证点云形状

稀疏利群值得滤波

规则: 点到邻居距离得分布距离(这里为了快速计算,采用曼哈顿距离进行计算)

计算方式: 当前点到所有相邻点得平均距离

缺点:计算量太大了

优点: 可以精确距离

计学离群点移除过滤器

其它滤波

双边滤波本质

像素之间得差异性

第7章:深度图像

深度图像的分割技术

边缘检测技术

从深度点云->深度图->检测点云

基于不同视点的多幅深度图像的配准技术

基于深度数据的三维重建技术

基于三维深度图像的三维目标识别技术

深度图像的多分辨率建模和几何压缩技术

第8章: 关键点

兴趣点

具有稳定性,区别性的点(刚体转换中,之间的矩阵关系不变)

方法

结果

第9章: 采样一致性

随机采样一致性估计

最大似然一致性估计（MLESAC )

、最小中值方差一致性估计 ( LMEDS )等

第10章: 3D点云特征描述与提取

思考:我的激光点云采样/是否也可以使用这种方式

局部特征/全局特征

方法

用户喜欢的搜索方式

通常，PCL功能使用近似的方法通过快速的kd-tree查询来计算查询点的最近邻居，
我们感兴趣的查询有两种：
k搜索：确定查询点的k个（用户给定参数）邻居
半径搜索：确定半径为r的球面内查询点的所有邻居。

使用技巧

估算法线

使用视点的方式.

比如激光点云,背离视点的,将法向反转

特征描述子

直方图描述子

二进制描述子

第11章: 点云配准

要求

了解方差、协方差、雅克比矩阵、黑塞矩阵
能够说出点云配准的基本步骤
能够说出点云配准的需求场景
能够使用ICP算法对点云进行配准操作
能够使用NDT正态分布变换对点云进行配准

注意

学习目的：能够大致看懂技术算法的论文（理论理解能力）能够将论文和代码对应起来（代码追踪能力）知道常见算法函数的代码实现方式（算法实现能力）注意！不要求能够推导、证明算法论文，因为这是理论研究者的重心。这不是我们应用型人才的重心，我们的重心是能够将理论更好的应用于实践。一定要有的放矢，提升自己的核心价值。

知道常见算法函数的代码实现方式（算法实现能力）

点云中的数学

子主题

协方差矩阵

表示一组随机变量之间的两两线性相关性，其中的每个元素代表了两个随机变量之间的协方差

雅可比矩阵

例子: 两个函数的导数组合成的一个向量(更高维度)

总结

牛顿法就是用一个二次曲面去拟合你当前所处位置的局部曲面，而梯度下降法是用一个平面去拟合当前的局部曲面，通常情况下，二次曲面的拟合会比平面更好，所以牛顿法选择的下降路径会更符合真实的最优下降路径

第12章: 点云分割

鲁棒性好的算法

Cluster聚类分割