精华内容
下载资源
问答
  • 云匹配
    千次阅读
    2019-04-11 10:11:54

    匹配点一般通过发现计算或者先图像匹配在通过相机坐标参数变换转化为三维对应关系。。。

    
    #include <iostream>                 //标准输入输出头文件
    #include <pcl/io/pcd_io.h>         //I/O操作头文件
    #include <pcl/point_types.h>        //点类型定义头文件
    #include <pcl/registration/icp.h>   //ICP配准类相关头文件
    #include <pcl/registration/correspondence_rejection_sample_consensus.h>
    int main(int argc, char** argv)
    {
    	typedef pcl::PointXYZ Point;
    	//创建两个pcl::PointCloud<pcl::PointXYZ>共享指针,并初始化它们
    	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>);
    	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out(new pcl::PointCloud<pcl::PointXYZ>);
    // 随机填充点云
    	cloud_in->width = 300;               //设置点云宽度
    	cloud_in->height = 1;               //设置点云为无序点
    	cloud_in->is_dense = false;
    	cloud_in->points.resize(cloud_in->width * cloud_in->height);
    	for (size_t i = 0; i < cloud_in->points.size(); ++i)
    	{
    		cloud_in->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
    		cloud_in->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
    		cloud_in->points[i].z = 1024 * rand() / (RAND_MAX + 1.0f);
    	}
    	std::cout << "Saved " << cloud_in->points.size() << " data points to input:"//打印处点云总数
    		<< std::endl;
    
    	for (size_t i = 0; i < cloud_in->points.size(); ++i) std::cout << "    " <<    //打印处实际坐标
    		cloud_in->points[i].x << " " << cloud_in->points[i].y << " " <<
    		cloud_in->points[i].z << std::endl;
    	*cloud_out = *cloud_in;
    	std::cout << "size:" << cloud_out->points.size() << std::endl;
    
    	//实现一个简单的点云刚体变换,以构造目标点云
    	for (size_t i = 0; i < cloud_in->points.size(); ++i)
    		cloud_out->points[i].x = cloud_in->points[i].x + 0.7f;
    	std::cout << "Transformed " << cloud_in->points.size() << " data points:"
    		<< std::endl;
    	for (size_t i = 0; i < cloud_out->points.size(); ++i)     //打印构造出来的目标点云
    		std::cout << "    " << cloud_out->points[i].x << " " <<
    		cloud_out->points[i].y << " " << cloud_out->points[i].z << std::endl;
    	boost::shared_ptr<pcl::Correspondences> correspondence_all(new pcl::Correspondences);
    	boost::shared_ptr<pcl::Correspondences> correspondence_inlier(new pcl::Correspondences);
    	pcl::Correspondences correspondences;
    	//随机产生匹配点索引
    	for (int i = 0; i < 20; i++)
    	{
    		pcl::Correspondence Correspondence;
    		Correspondence.index_match = i;   //目标点云
    		Correspondence.index_query = i * 3;//源点云
    		correspondences.push_back(Correspondence);
    	}
    	*correspondence_all = correspondences;
    
    
    	pcl::registration::CorrespondenceRejectorSampleConsensus<Point> ransac;
    	ransac.setInputSource(cloud_in);
    	ransac.setInputTarget(cloud_out);
    	ransac.setMaxIterations(200);
    	ransac.setInlierThreshold(3);
    	ransac.getRemainingCorrespondences(*correspondence_all, *correspondence_inlier);
    
    	std::cout << "ransac前:\n ";
    	for (int i = 0; i < correspondence_inlier->size(); i++)
    	{
    		std::cout << "here are correspondence_inlier " << i << "index_match:" << correspondence_all->at(i).index_match << "index_query" << correspondence_all->at(i).index_query << "\n";
    	}
    
    	std::cout << "ransac后:\n ";
    	for (int i = 0; i < correspondence_inlier->size(); i++)
    	{
    		std::cout << "here are correspondence_inlier " << i << "index_match:" << correspondence_inlier->at(i).index_match << "index_query" << correspondence_inlier->at(i).index_query << "\n";
    	}
    	return (0);
    }
    
    更多相关内容
  • ICP简单点云匹配

    2018-09-25 11:01:33
    迭代最近邻算法,用于简单的点云匹配,matlab代码,亲测可用。
  • 研究制造平台上的碎片化资源匹配问题,以探索物联网环境下提高企业资源配置效率的方法.基于前景理论,通过多属性评价,计算出资源供求双方之间的满意度,据此确定匹配主体的偏好序.以偏好序作为匹配依据,设计在考虑...
  • 用于PCL中模版匹配算法的测试点,用于PCL中模版匹配算法的测试点,用于PCL中模版匹配算法的测试点用于PCL中模版匹配算法的测试点,用于PCL中模版匹配算法的测试点,用于PCL中模版匹配算法的测试点,用于...
  • 根据遥感历史数据,获取图像中...通过云生成算法对待检测边界建立边界云,建立云匹配算法,将待检测边界的边界云与标准边界云进行匹配,从而确定新的边界和边界类型,达到边缘检测的目的,实验验证了该方法的有效性。
  • 中文匹配2条句子,相似度越高句子越趋同!通过分词器分词后比较更符合实际运用情况。 可用,直接下载运行。C#中文文本匹配,字符串匹配,中文词语匹配,计算2个句子相似度 中文匹配C#中文文本匹配,字符串匹配,中文...
  • 基于二维图像特征的点云配准方法
  • 制造服务平台供需智能匹配的研究与实现.pdf
  • 代码说明:模糊查询数据库集合(birthday),模糊匹配查询生日是否为今天 用户的生日日期格式为 1994-07-06 , 当前日期格式为 07-06 , 匹配数据库的月和日,数据库集合如图: 函数代码: // 函数入口...

    代码说明:模糊查询数据库集合(birthday),模糊匹配查询生日是否为今天

    用户的生日日期格式为 1994-07-06 , 当前日期格式为 07-06 , 匹配数据库的月和日,数据库集合如图:

    云函数代码:

    // 云函数入口文件
    const cloud = require('wx-server-sdk')
    const Core = require('@alicloud/pop-core');
    
    cloud.init()
    const db = cloud.database()
    
    function getDate(){
      var date = new Date();
      var year = date.getFullYear();
      var month = date.getMonth() + 1;
      var day = date.getDate();
      if (month < 10) {
          month = "0" + month;
      }
      if (day < 10) {
          day = "0" + day;
      }
      var nowDate = month + "-" + day;
      return nowDate;
    }
    
    // 云函数入口函数
    exports.main = async (event, context) => {
      const wxContext = cloud.getWXContext()
    
      const _ = db.command
      const birthdayArr = await db.collection('birthday').where({
        _date: db.RegExp({
          regexp: getDate(),
          options: 'i',
        })
        }).get().then(res => {
          return res.data;
        })
        
      return  birthdayArr;
      
    }

    返回结果:

    展开全文
  • 该服务器提供对OpenStreetMap街道地图数据的访问,并且可以灵活地在分布式基础架构中用作地图数据服务器或与Barefoot的独立服务器并排使用用于脱机(匹配服务器)和在线地图匹配(跟踪服务器),或使用Barefoot库...
  • 基于Hadoop平台的智能匹配物流系统设计与实现.docx基于Hadoop平台的智能匹配物流系统设计与实现.docx基于Hadoop平台的智能匹配物流系统设计与实现.docx基于Hadoop平台的智能匹配物流系统设计与实现.docx基于...
  • KITTI 2012/2015双目立体匹配(stereo matching)数据集百度下载-附件资源
  • 基于“微信小程序” + “开发”实现的单词对战小程序,支持好友对战、随机匹配、人机对战三种对战的形式,含四级核心词、四级大纲词、六级核心词、六级大纲词、考研真题核心词、考研大纲词、小学必备词、中考大纲...
  • <!-- 人脸检索所需夹包 --> <groupId>com.baidu.aip</groupId> <artifactId>java-sdk <version>4.10.0 </dependency>
  • 基于Word2Vec的设计服务匹配方法研究.pdf
  • 基于服务质量的制造服务双向匹配模型.pdf
  • 系统中加密数据的广义模式匹配字符串搜索
  • 制造服务资源描述及匹配问题研究.pdf
  • lcqmc文本匹配数据集

    2021-05-25 14:27:05
    输入是两个句子,输出是0或1。其中0代表语义不相似,1代表语义相似。 数据量:训练集(238,766),验证集(8,802),测试集(12,500)。
  • 基于“微信小程序” + “开发”实现的单词对战小程序,支持好友对战、随机匹配、人机对战三种对战的形式,含四级核心词、四级大纲词、六级核心词、六级大纲词、考研真题核心词、考研大纲词、小学必备词、中考大纲...
  • 针对云计算环境下虚拟机部署问题,提出了一种基于双边匹配的决策分析方法。首先对虚拟机部署的双边匹配问题进行了数学描述;然后在此基础上,以使匹配双方满意度最大为目标,构建了多目标优化模型,并通过模型求解...
  • 面向制造服务的供需智能匹配引擎研究.pdf
  • 一种基于本体语义的制造服务供需智能匹配方法.pdf
  • 在这项工作中,提出了一种使用历史模式匹配(CHPM)的新颖的短期直接正辐射(DNI)预测方法。 与仅使用覆盖的现有持久性和线性DNI预测方案不同,拟议的CHPM方法同时考虑覆盖和其他大气微粒(IoAP)的影响,...
  • CIDPEX商贸“匹配服务:为业内企业“出海”打破疫情阻隔.pdf
  • 多个点云数据匹配

    千次阅读 2020-03-05 12:13:40
    使用的软件为:CloudCompare 1、打开文件,加载数据。 2、为了方便我们下面的操作,我们将所有的数据居中。 3、为了方便我们分辨,我们将他们修改为不同的颜色。 4、选中其中两个数据,并选中Align配准方法进行...

    使用的软件为:CloudCompare
    1、打开文件,加载数据。
    在这里插入图片描述
    2、为了方便我们下面的操作,我们将所有的数据居中。
    在这里插入图片描述在这里插入图片描述在这里插入图片描述
    3、为了方便我们分辨,我们将他们修改为不同的颜色。
    在这里插入图片描述
    4、选中其中两个数据,并选中Align配准方法进行配准。
    在这里插入图片描述
    5、选择要进行配准的数据,并添加特征点。
    在这里插入图片描述在这里插入图片描述在这里插入图片描述
    6、点击Align和对号即可,然后就是重复的进行两两的配准,不过千万要记住我们的参考点云是哪个。
    在这里插入图片描述在这里插入图片描述

    展开全文
  • 基于动态集成框架的制造服务过程追溯与匹配研究.pdf

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 118,214
精华内容 47,285
关键字:

云匹配