提出了一种针对密集圆形管道点云数据的自动分割算法，通过八叉树结构将点云划分为若干个子块，并建立其空间邻域关系，采用基于法向量条件约束的随机采样一致性算法移除子块内的大区域平面，同时运用欧氏距离聚类和基于平滑条件约束的区域增长分割算法再次细化数据。实验结果表明：提出的自动分割算法在处理大小为6 m×12 m×16 m的点云空间数据时，4线程并行计算仅耗时9 s，精确率达到90%以上。因此，所提算法能够快速、准确地分割管道点云数据，具有较高的应用价值。
2022-02-20 14:53:47
20.02MB
1
针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。
2021-12-07 20:15:27
648KB
1
点云配准是基于RGB-D(RGB-depth)传感器的室内场景重建的关键技术之一。针对稀疏建图中关键帧间的点云配准问题,提出一种基于改进的随机采样一致性(RANSAC)的场景分类点云粗配准算法。首先分别利用几何信息与光度信息进行关键点的检测、描述与匹配,然后由场景分类算法判断场景类别,适应性地结合几何匹配与光度匹配,最后提出一种改进的RANSAC算法,通过有偏重的随机采样与自适应的假设评价,对关键帧间的变换矩阵进行估计。采用公开的RGB-D数据集对整体的点云粗配准算法进行实验验证,并与多种算法进行比较。实验结果表明,该点云粗配准算法能够实现稳健有效的变换矩阵估计,有助于后续的精配准与整体的室内场景重建。
2021-11-30 11:14:32
8.57MB
1
为了克服已有车道线识别算法运算复杂、速度较慢以及鲁棒性欠缺等不足之处, 提出一种新的快速车道线识别算法, 首先通过对图像的灰度变化分析, 得出车道线轮廓像素, 然后运用B-Spline曲线拟合车道线轮廓, 得到最终的识别效果图。实验表明, 该算法在速度和识别率上都能取得优异的表现。在嵌入式平台上, 该算法取得了12 fps的速度, 符合智能驾驶的实际需求。
2021-10-12 14:02:49
1.25MB
1
Poisson-Disc-Sampling：用于N维Poisson-Disc采样的Matlab脚本。 这也可以用于从N维空间中随机采样k个点，且点之间的最小分隔距离
2021-06-21 19:32:30
4KB
1
蒙特卡罗法的MATLAB程序，对于初学者非常有用 蒙特卡罗法的MATLAB程序，对于初学者非常有用 蒙特卡罗法的MATLAB程序，对于初学者非常有用 蒙特卡罗法的MATLAB程序，对于初学者非常有用
2021-04-06 15:32:03
1KB
1