种子资源,需要自己自行下载。ModelNet数据集共有662种目标分类,127915个CAD模型,以及10类标记过方向的数据,旨在为计算机视觉、计算机图形学、机器人和认知科学的研究人员提供全面的物体
化石林实验数据,是验证实践的好数据。有xyz(坐标位置),rgb(颜色)等熟悉。
该论文详细论述了三维点云法向量的估计算法及研究现状,对从事三维重建方面工作的人员有很好的帮助。
读取文件根据三维坐标显示点云数据并可进行放大、缩小、旋转一定等简单的交互操作
很好的学习点云配准的资料,这里是经典ICP算法的代码
深度相机获取的三维点云数据,可以用于机器人环境建模。
点云进行matlab三维重建,通过双目相机进行匹配,得到点云,最后利用点云进行三维重建
针对数据排列无序、随机缺失及伴随白噪声等问题,提出一种基于因子分析法的三维点云配准方法。将点云数学模型扩展为正交因子模型,从而将点云的配准问题转换为对模型参数的求解问题;采用高斯混合模型对点云进行拟合
提出了一种基于离散曲率估计和kd-tree简化人脸点云的并行EM-ICP配准算法。首先建立人脸点云的三维空间kd-tree,并结合离散高斯曲率对点云进行了保留几何特征的简化;然后基于CUDA对EM-I
八叉树结构是三维数据建模中研究和应用最为广泛的栅格数据结构。由于三维扫描的点云数据是基于物体表面的,其空间离散程度远大于三维实体数据,一般的线性八叉树编码压缩方法都是基于实体数据的,不能直接应用于三维
