利用PCL开源库编写代码FPFH+ICP算法实现点云高精度配准，并计算配准误差！基于PCL库版本1.9！
2024/6/13 1:15:38
3KB
1
自己实现的经典ICP算法，采用PCA作了粗拼接，然后使用K-d树算法加速选取对应点，使用bunny数据进行了拼接实验，并计算了其RMS误差。
经典ICP算法中不包含筛选删除误匹配点对的步骤，因此精度较低。
经典ICP算法中不包含筛选删除误匹配点对的步骤，因此精度较低。
2023/12/20 11:07:01
546KB
1
点云模型，可以用三维重建，ICP算法匹配，亲测可用，具体包括bunny.txt、cat-2.ply、cow-2.ply、deer.stl、deer-2.ply、engine-2.ply、fish-2.ply、manhead-2.ply。
2023/10/13 7:10:32
1.03MB
1
牛津大学AndrewFitzgibbonRobustRegistrationof2Dand3DPointSets对应的matlab的ICP图像配准算法程序
2023/8/28 17:46:46
649KB
1
文章的第二章，从三维激光扫描数据的特点出发，引见了数据处理的基本程，重点引见了预处理的内容：其一，引见了使用FAROLaserScanner880的套软件FAROScene和商业软件GeomagicStudio对点云数据进行去噪的方法步骤；
其二，引见了多站数据配准的基本理论和几种重要算法，包括：有靶控制的点云配准方法、ICP算法和四元数法，并归纳了这几种方法的特点。
第三章主要研究了基于塑像三维点云数据进行模型重建的技术。
针对塑像面不规则的特点，对塑像点云的建模选择了逐点插入法构建空间三维网格，细引见了该算法和流程；
针对三维激光扫描数据量大的特点，提出了基于构不均匀网格对点云数据进行压缩的算法，以减少数据量并达到保留扫描对象特征的目的。
第四章以贝多芬的头像为扫描对象，设计合理的实验方案来获取塑像点云据，并对数据进行去噪、配准和网格化处理，实验了本文所述的三维建模的程；
此外，对所获数据进行了压缩，取得了不错的效果。
其二，引见了多站数据配准的基本理论和几种重要算法，包括：有靶控制的点云配准方法、ICP算法和四元数法，并归纳了这几种方法的特点。
第三章主要研究了基于塑像三维点云数据进行模型重建的技术。
针对塑像面不规则的特点，对塑像点云的建模选择了逐点插入法构建空间三维网格，细引见了该算法和流程；
针对三维激光扫描数据量大的特点，提出了基于构不均匀网格对点云数据进行压缩的算法，以减少数据量并达到保留扫描对象特征的目的。
第四章以贝多芬的头像为扫描对象，设计合理的实验方案来获取塑像点云据，并对数据进行去噪、配准和网格化处理，实验了本文所述的三维建模的程；
此外，对所获数据进行了压缩，取得了不错的效果。
2019/6/18 3:01:34
10.12MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB