点云

新手小白勇闯新世界

论文阅读（一种基于球面投影和特征提取的岩石点云快速配准算法）粗配准更高精度多测站数据融合摘要：点云配准是三维重建过程中的一个重要步骤。本文基于改进的迭代最近点（ICP）算法，提出了一种岩质点云的快速配准算法。在我们提出的算法中，将单站扫描仪的点云数据通过球极坐标转换为数字图像，然后提取图像特征并去除边缘点，该算法中使用的特征为尺度不变特征变换（SIFT）。通过分析数字图像与三维点之间的对应关系，提取出三维特征点，从中我们可以寻找双向对应关系作为候选对象。采用基于随机抽样的穷举搜索方法消除错误匹配后，通过莱文堡-马夸特迭代最近点（LM-ICP）算法进行变换计算。对岩

3D点云与2D图像的相互转换：2D图像对应像素的坐标转为3D空间的对应坐标2d ----> 3d 对应像素到空间坐标的转换参考：深度相机，通过2d检测得到目标坐标系的3d检测框_深度图到相机坐标-CSDN博客

entwine 和 conda环境下使用和踩坑详细步骤! 已解决Entwine是一个用于海量点云的数据组织库，旨在征服数千亿个点的数据集以及桌面级点云。Entwine可以索引任何[PDAL](https://pdal.io)-并且可以读/写到诸如S3或Dropbox的各种源。构建是完全无损的，因此即使对于TB级的数据集，也不会丢弃任何点。(点云转换器)

Open3D实现点云数据的序列化与网络传输转载自个人博客：Open3D实现点云数据的序列化与网络传输在处理点云数据的时候，有时候需要实现点云数据的远程传输。当然可以利用传输文件的方法直接把点云数据序列化成数据流进行传输，但Open3D源码在实现RPC功能时就提供了一套序列化及传输的方法及思路，那我们就可以搬过来化为己用。

任意空间平面点云旋转投影至水平面—罗德里格旋转公式将三维空间中位于任意平面上的点云数据，通过一系列的坐标变换（平移+旋转），使其投影到XOY平面上，同时保证点云的几何中心与XOY平面的原点重合，同时点云形状保持不变。具体效果如下，具体来说，对于原始点集（红色点集），对其进行平移+旋转处理后，得到新的点云（白色点云），该点云与水平面平行，同时保持与原始点云形状相同。

点云-激光雷达-Slam-三维牙齿

单目测距单目相机测距图片像素坐标转实际坐标的一种转换方案需要相机位置固定原图红色的点是我们标注的像素点，这些红色的点我们知道它的像素坐标，以及以右下角相机位置为原点的x y 实际坐标数值

点云-激光雷达-Slam-三维牙齿

Open3d 点云投影到 xoy yoz 平面最简单的方式(附python 代码)最简单的方式，就是直接把原有的点云的数据的 z or x 赋值为0, 然后生成一个新的点云。

Ubuntu22.04 搭建 PCL 环境（VTK源码安装），PCL测试代码Ubuntu 22.04LTS；cmake-3.25.0；VTK-8.2；PCL-1.12sudo apt-get install freeglut3-dev

PCL平面多边形可视化多边形是一个在二维平面上由直线段（称为边或侧）首尾顺次连接围成的封闭图形。这些直线段也称为多边形的边，而它们的交点称为多边形的顶点或角。在点云边缘点提取后，有时候需要将其进行可视化，如下图所示。

VTK —— 二、教程七 - 对点云进行操作(按下r键切换选取或观察模式)（附完整源码）VTK —— 一、Windows10下编译VTK源码，并用Vs2017代码测试（附编译流程、附编译好的库、vtk测试源码）

KDTree索引(K近邻搜索,半径R内近邻搜索)——PCL截取出兔子耳朵的部分截取出兔子上半身

文献学习-30-GRAB-Net: 用于医学点云分割的图的边界感知网络Authors: Yifan Liu, Wuyang Li, Jie Liu, Hui Chen, and Yixuan Yuan, Member, IEEE

点云-激光雷达-Slam-三维牙齿

unable to install pyethash ERROR: Failed building wheel for pyethash 报错的解决方案unable to install pyethash ERROR: Failed building wheel for pyethash 报错的解决方案

点云-激光雷达-Slam-三维牙齿

eth 交易案例分析9交易hash:先用0.26eth买入了多个GPT，然后用这多个GPT 在uniswap3 兑换了1.69 个eth，

【ICCV】PointDC，基于深度聚类的无监督3D场景语义分割，FaceChain团队联合出品论文：PointDC:Unsupervised Semantic Segmentation of 3D Point Clouds via Cross-modal Distillation and Super-Voxel Clustering，https://arxiv.org/abs/2304.08965

【点云】生成有凹凸的平面尝试用一些数据生成有凹凸面的点云。我们姑且把z轴当成有凹凸的缺陷，x轴和y轴共同组成一个平面。高斯函数wiki中，我们得知其中，σ为标准差，用来控制“钟形”的宽度。根据wiki中下面的举例sigma_X = 1;sigma_Y = 2;可以看出，σx=σy时，高斯的水平集是个圆，σx不等于σy时，高斯的水平集是个椭圆。（可以这样想：在平面上的公式，圆和椭圆的区别）

【最详解】如何进行点云的凹凸缺陷检测（opene3D）（完成度80%）读前须知：首先我们得确保你已经完全知晓相关的基本的数学知识，其中包括用最小二乘法拟合曲二次曲面，以及曲面的曲率详细求解。若还是没弄清楚，则详细请看下面链接。

11.2 PCL从ROS获取激光雷达的点云数据及处理这部分内容结合了前面的内容。其实很简单，分三步走就可以：首先是通过ROS打开激光雷达，查看PCL配置需要的信息。然后是用PCL通过ROS发布的topic获取激光雷达的数据。最后将ROS和PCL结合。

点云PCL公众号博客

occNeRF：使用神经辐射场进行多摄像头自监督占据预测文章：OccNeRF: Self-Supervised Multi-Camera Occupancy Prediction with Neural Radiance Fields

企鹅的外层世界

在pyvista 中，显示带透明度的点云信息程序设计了一个含有一千个点的球面，每个点的颜色和透明度随机。还有一种方式，就是用"brightness"和opacity=opacity来对幅值和透明度来显示点云。