首页
学习
活动
专区
工具
TVP
发布

点云PCL

专栏作者
508
文章
715905
阅读量
171
订阅数
TOF飞行时间深度相机介绍
飞行时间原理是基于测量波从震源(飞行时间传感器)到目标和返回所需的时间,基于这些数据以及一些数学和物理知识(如波传播)可以确定该物体与震源的距离,根据技术的不同,可以使用不同类型的波来获得不同的结果,飞行时间是捕捉3D图像的几种方法之一,例如立体相机(具有两个单独的镜头以模拟人类视觉并重建深度感知的相机)或结构光成像(将结构图像投影到对象上,并根据网格的变形计算该对象的形状和距离)。
点云PCL博主
2022-09-13
8860
SOLD2:自监督有遮挡的检测和描述线段
文章:SOLD2 : Self-supervised Occlusion-aware Line Description and Detection
点云PCL博主
2022-04-06
9470
VOLDOR+SLAM:稠密VO (代码开源)
文章:VOLDOR+SLAM: For the times when feature-based or direct methods are not good enough
点云PCL博主
2022-04-06
3820
最新开源Faster-LIO:快速激光IMU里程计
文章:Faster-LIO: Lightweight Tightly Coupled Lidar-inertial Odometry using Parallel Sparse Incremental Voxels
点云PCL博主
2022-04-06
1K0
【开源分享】VIDO-SLAM:一种视觉惯性动态物体SLAM系统
文章:Inertial-Only Optimization for Visual-Inertial Initialization
点云PCL博主
2022-02-10
9120
关注专栏作者,随时接收最新技术干货
自动驾驶中基于激光雷达的车辆道路和人行道实时检测(代码开源)
文章:Real-Time LIDAR-Based Urban Road and Sidewalk Detection for Autonomous Vehicles
点云PCL博主
2022-01-27
6740
FAST-LIO2:快速直接的激光雷达与惯导里程计
文章:FAST-LIO2: Fast Direct LiDAR-inertial Odometry
点云PCL博主
2022-01-27
2K0
基于目标的激光雷达与相机外参标定方法汇总
对于自动驾驶、机器人技术、导航系统和三维场景重建等应用,通常使用激光雷达和相机传感器捕获同一场景的数据。为了准确地重建场景中的对象,有必要将激光雷达和相机输出融合在一起,激光雷达相机外参估计出刚性变换矩阵,旋转+平移、6自由度,该矩阵建立三维激光雷达平面中的点与图像平面中的像素之间的对应关系。
点云PCL博主
2021-12-01
2.3K0
SVO 2.0 代码开源啦!
论文阅读模块将分享点云处理,SLAM,三维视觉,高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享,欢迎各位加入我,我们一起每天一篇文章阅读,开启分享之旅,有兴趣的可联系微信dianyunpcl@163.com。
点云PCL博主
2021-07-23
2.6K0
基于LOAM的激光SLAM汇总
本文仅做学术分享,如有侵权,请联系删除。欢迎各位加入免费知识星球,获取PDF论文,欢迎转发朋友圈分享快乐。
点云PCL博主
2021-07-23
1.5K0
PDAL点云处理库介绍
PDAL是点云数据处理的库。这是一个C/C++开源库,用于点云数据的转换和处理。尽管该库中许多工具的重点和发展都起源于激光雷达点云数据的处理,但它也不限于激光雷达数据。
点云PCL博主
2021-02-03
1.7K0
SLAM综述(2)-视觉SLAM
SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图就需要知道机器人的位置。
点云PCL博主
2020-10-26
1.4K0
【开源方案共享】Google新开源AR:DepthLab
标题:DepthLab: Real-time 3D Interaction with Depth Maps for Mobile Augmented Reality
点云PCL博主
2020-08-20
9850
【点云论文速读】StructSLAM:结构化线特征SLAM
标题:StructSLAM: Visual SLAM With Building Structure Lines
点云PCL博主
2020-07-16
9660
SLAM综述(4)激光与视觉融合SLAM
SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图就需要知道机器人的位置。
点云PCL博主
2020-06-12
4.1K0
点云深度学习的Pytorch框架
这是3D 点云的深度学习框架,提供常见的点云分析方法的一种通用深度学习模型。它主要依赖Pytorch Geometric和Facebook Hydra。该框架能够以最小的代价和极大的可重复性来构建精简而复杂的模型。目标是建立一个工具,用于对SOTA模型进行基准测试,同时允许研究者们有效地研究点云分析,最终目标是建立可应用于实际应用的模型。
点云PCL博主
2020-05-21
1.4K0
点云配准资源汇总
点云配准的目标是根据原始点云和目标点云,通过配准求出变换矩阵,即旋转矩阵R和平移矩阵T,并计算误差,来比较匹配结果。主要有以下几种比较
点云PCL博主
2020-05-21
1.7K0
SLAM综述(3)-视觉与惯导,视觉与深度学习SLAM
视觉SLAM的稳定性是一项技术挑战。因为基于单目的视觉SLAM需要初始化、尺度的不确定性和尺度漂移等问题[1]。尽管立体相机和RGB-D相机可以解决初始化和缩放的问题,但也存在一些不容忽视的问题,如运动速度快、视角小、计算量大、遮挡、特征丢失、动态场景和光照变换等。针对以上这些问题传感器的融合方案逐渐流行起来,IMU与相机融合的视觉里程计成为研究热点。
点云PCL博主
2020-05-19
2.7K0
易扩展的SLAM框架-OpenVSLAM
本文介绍了一种具有较高可用性和可扩展性的可视化SLAM框架——OpenVSLAM。视觉SLAM系统对于AR设备、机器人和无人机的自主控制等是必不可少的。然而,传统的开源视觉SLAM框架并没有像从第三方程序调用的库那样进行适当的设计。为了克服这种情况,我们开发了一个新的视觉SLAM框架。该软件设计简单,易于使用和扩展。它包含了一些有用的特性和功能,用于研究和开发。OpenVSLAM发布于https://github.com/xdspacelab/OpenVSLAM
点云PCL博主
2020-05-05
1.5K0
大场景三维点云的语义分割综述
输入原始点云(x,y,z,intensity),得到每个三维点的语义类别。如图所示,不同颜色代表不同类别。
点云PCL博主
2020-01-17
4K0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档