前言 以场景点云为中心的点云任务(如重建、配准等)常常采用3D相机采集数据,而以物体点云为中心的点云任务大多是从3D模型离散化得到的,因为真实环境采集到的物体点云需要与环境分割并去噪的,较为麻烦,不利于大规模数据集的制作。 常见的开源点云数据集: 场景点云:3DMatch 物体点云:ModelNet40、ShapeNet 考虑到物体点云的采集困难,一些在仿真环境下获取点云
上一篇: 【点云配准|TEASER++】论文介绍&环境配置 源码解读 以 examples/teaser_cpp_fpfh/teaser_cpp_fpfh.cc 为例。 代码主要流程为: 加载 .ply 源点云模型 将源点云数据写入 Eigen 矩阵 执行旋转和平移变换得到目标点云 对目标点云加噪声和外点 将目标点云从 Eigen 矩阵转换为 tease
项目介绍 论文:《The Perfect Match: 3D Point Cloud Matching with Smoothed Densities》 论文链接:https://arxiv.org/abs/1811.06879 Github 链接:https://github.com/zgojcic/3DSmoothNet 系统环境 在 AutoDL 上租用的服务器的环境:
介绍 MIT出品,发表在顶刊 TRO 上 Paper: TEASER: Fast and Certifiable Point Cloud Registration Github: https://github.com/MIT-SPARK/TEASER-plusplus 1.1K star Guide: https://teaser.readthedocs.io/en/latest/in
博客
泡泡
积分
勋章
【数据集|MVP】Blender生成深度图和点云
【点云配准|TEASER++】源码解析与修改
【点云配准|深度学习】3DSmoothNet 环境配置 & demo 测试
【点云配准|TEASER++】论文介绍&环境配置
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信