利用包围盒算法实现点云数据压缩。内有实测数据和matlab完整代码,非常有利于初学者进行学习。
2021-06-23 10:07:52 1.95MB 点云压缩
1
介绍 新的全球生态系统动力学调查于2018年12月5日启动,正在国际空间站产生高分辨率激光收集森林周围树冠高度,树冠垂直结构和表面标高的3D数据。 由于它每天都在收集数据,因此稳定且快速的平台至关重要。 因此, pyGEDI库是用Python开发的,因为它可以利用多个CPU和GPU,并受C和支持。 pyGEDI为GEDI产品的数据提取,分析,处理和可视化提供了高性能,较低的认知负担以及更清晰,更透明的代码。 包装概述 pyGEDI在一个包中具有用于可视化,处理,分析和数据提取的多种功能。 pyGEDI软件包包含以下功能: 与NASA服务器的连接。 下载GEDI数据。 剪裁您的特定区域。
2021-06-22 17:40:38 13.33MB python nasa jupyter-notebook lidar
1
20210122-光大证券-激光雷达(LiDAR)行业报告:欲穷千米目,更上一层楼.pdf
2021-06-19 19:02:56 6.05MB 行业
ENVI LiDAR插件,用于LiDAR点云数据的操作
2021-06-03 16:39:08 1.08MB ENVI LiDAR 插件
1
计算机视觉Github开源论文
2021-06-03 09:09:03 6.68MB 计算机视觉
1
R2LIVE 鲁棒,实时,LiDAR-Inertial-Visual紧密耦合状态估计器和映射 R2LIVE是一个健壮的实时紧密耦合的多传感器融合框架,该框架融合了来自LiDAR,惯性传感器,视觉摄像机的测量结果,以实现健壮,准确的状态估计。 利用所有传感器的测量优势,我们的算法对于各种视觉故障,LiDAR退化场景具有足够的鲁棒性,并且能够在机载计算平台上实时运行,如室内,室外进行的大量实验所示,以及不同规模的混合环境。 在(d)中显示了香港大学主楼的重建3D地图,在(a)和(b)中显示了带有对应全景图像的细节点云。 (c)表明我们的算法可以自行关闭循环(返回起点),而无需任何其他处理(例如循环闭合)。 在(e)中,我们将地图与卫星图像合并,以进一步检查系统的准确性。 我们在一个由拥挤的大厅和很长的狭窄隧道组成的香港地铁站中评估了算法,如(a)所示。 该隧道长达190美元,长满了移动的行
2021-06-01 14:27:28 5.25MB
1
Velodyne Model VLP‐16 LiDAR Sensor 雷达传感器全套资料
2021-05-28 09:02:52 29.2MB 激光雷达 无人驾驶 Velodyne
Lidar原理与应用
2021-05-27 17:50:45 4.62MB LIDAR
1
输入Velodyne Lidar数据,对点云进行聚类,基于Qt图像界面开发,算法满足实时性,分割效果好,可用于16线,32线,64线激光雷达数据.
2021-05-21 15:56:20 2.04MB Point Cloud Cluste
1
基于激光雷达的障碍物检测
2021-05-16 18:02:42 406.36MB Lidar
1