使用基于索引大小的方法进行点云提取,可以选择提取索引内或索引外的点云。该方法可以提高点云处理的效率和准确性,适用于各种点云数据处理任务。
暂无评论
针对无任何预知信息下的散乱点云数据配准问题,提出了一种基于点云法向量信息的自动配准算法。根据点云局部法向量的变化提取特征点,通过比较特征点的直方图特征向量获得初始匹配点对;使用随机抽样一致性(RANS
针对机载全波形数据,提出了一种基于随机森林法的点云分类算法。通过全波形分解获得振幅,回波次数以及回波宽度,结合提出的特征提取方法,构建一个多维特征向量并进行特征选择,利用随机森林法将激光点云分为植被,
针对传统匹配方法存在匹配精度低、速度慢等问题,提出一种基于扩展点特征直方图(EPFH)特征的点云匹配算法,该算法采用先粗配再细配的策略。利用ISS (intrinsic shape signature
由于只是利用图像的灰度信息, SIFT 算法不能很好地区分形状相似但颜色不同的物体。针对这一问题, 提出了一种基于彩 色的SIFT 特征点提取算法, 并着重分析了多种彩色模型对算法性能的影响。这种算法
基于SUSAN算子的影像角点提取算子,SUSAN是牛津大学的smith教授提出的一种角点、边缘检测算子,本文档为角点检测程序。
论文 基于图像特征点的提取匹配及应用 基于图像特征点的提取匹配及应用
在聚类方法上,我们吸取了传统的诸如K均值聚类的硬聚类方法在描述划分上不够准确的教训,采用了划分更为灵活的软聚类方法,能够获得更好的检索效果。
针对现有方法修补点云张开孔洞效果不佳的问题, 提出了一种基于改进的曲线收缩流虚拟修补点云张开孔洞的方法。在计算出孔洞边界点的表面法向量和切向量的基础上, 根据特征线补全边界缺失部分, 组成全部边界;
提出一种有效的三维点云骨架分割的方法,分割后的结果可用于三维点云物体识别和分类。利用稳健性较强的L1-中心骨架算法对点云数据进行骨架提取,可得到一系列骨架点;利用基于八叉树的区域增长分割方法对已经得到
利用组合惯导的gps信息及四元素来拼接雷达获取的点云,利用四元数求旋转矩阵,利用gps获取经纬坐标,并将其投影到墨卡托坐标系中计算平移,提高点云拼接的精度,供大家参考!
暂无评论