文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

有没有一种快速的方法将点投影到某个网格上？

是的，可以使用光栅化技术将点投影到网格上。光栅化是一种将连续的图形或对象转换为离散的像素表示的过程。在计算机图形学中，光栅化是将三维空间中的点、线、面等几何图形转换为二维像素的过程。

在点投影到网格上的过程中，可以使用光栅化算法，如扫描线算法或者光线追踪算法。这些算法可以将点的坐标映射到网格上的像素位置，从而实现点的投影。

光栅化技术在计算机图形学、游戏开发、虚拟现实、增强现实等领域有广泛的应用。例如，在游戏开发中，光栅化技术可以用于将三维模型投影到屏幕上，实现逼真的图像显示。在虚拟现实和增强现实中，光栅化技术可以将虚拟对象与真实世界进行融合，提供沉浸式的体验。

腾讯云提供了一系列与图形计算相关的产品和服务，如云服务器、GPU云服务器、GPU容器服务等，可以满足不同场景下的图形计算需求。您可以访问腾讯云官网了解更多关于这些产品的详细信息：https://cloud.tencent.com/product/cvm

相关搜索:MATLAB:有没有一种聪明的方法来移除存储在某个数组中的相邻(x，y)点？Python/Pandas有没有一种方法可以将比较向量化到相反类别中的所有其他点？Typescript AST有没有一种快速的方法将表达式转换成与之等价的Javascript？在某些情况下，有没有一种方法可以使用Spring Data JPA投影来避免@SecondaryTable上的连接？将任意2D多边形投影到3D三角形网格上的最佳方法？有没有一种快速将值插入到Numpy数组中的方法有没有一种快速的方法可以用java获取设备上的所有音频文件？有没有一种性能/数学的方法来找出旋转矩形重叠的网格上的哪些瓦片？有没有一种方法可以将制表器绑定到动态创建的<div>元素？有没有一种方法可以将网格名称或参数传递到tapped事件中？
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关·内容

高精度语义地图构建的一点思考

我认为这也是最重要的一点，上述基于手工方法构建的HD地图是完全的静态地图，但实际运行场景必然与之前构建的地图有所区别（比如某个车移动了位置，某个箱子转运到了其他位置）。...但问题是，这个Pipeline仍然有点长了，有没有更加端到端的方案？也就是说，直接输入图像和雷达，经过某个深度神经网络，直接输出HD地图。...感觉BEVFusion的主要创新点还是基于BEV池化提出了两个效率优化方法：预计算与间歇降低。 预计算： BEV池化的第一步是将摄像头特征点云的每个点与BEV网格相关联。...与激光雷达点云不同，摄像头特征点云的坐标是固定的。基于此，预计算每个点的3D坐标和BEV网格索引。还有根据网格索引对所有点进行排序，并记录每个点排名。...在推理过程中，只需要根据预计算的排序对所有特征点重排序。这种缓存机制可以将网格关联的延迟从17ms减少到4ms。 间歇降低： 网格关联后，同一BEV网格的所有点将在张量表征中连续。

65430

看完这篇，还有你不会画的热力图吗?

、网格型数据，网格型数据本质上还是点型数据，只是在样本数据预处理时有细微区别，同样z为待表征量： 清楚了样本数据格式后，以人口密度热力图来说明热力图的制作原理，下图是从腾讯位置大数据(heat.qq.com...为了绘制上面一张图，首先要获取腾讯地图使用者的位置(经度x, 纬度y)，统计规定时间内在某个位置区域使用腾讯地图的人数，将统计的人数除以位置区域的面积即可得到该区的人口密度z。...通过上面的简述，相信小伙伴们对热力图的绘制原理应该有所了解了吧。要在二维空间里绘制三维数据，有没有什么办法呢？...答案是肯定的，那就是把第三维用另外一种形式来表征，而颜色就是最合适的候选者，将第三维数据与颜色值一一对应，这样就可以在二维空间完成三维数据的绘制。...下面以第一种样本数据格式来演示热力图的绘制： clc;clear;close all; % 定义点(x,y,z) x = randn(50,1); xmax = max(x); xmin = min(

5.1K10

关于单目 3D 检测最新成果，你想知道的都在这啦！

上面的几篇论文都是最近利用几何投影模型计算深度的尝试，想获得准确的深度，对于几何投影模型来说，如何获取两个准确的高度是最关键的，目前的做法是将不确定性 (uncertainty) 引入到高度估计中，但是有没有其他的思路来解决高度估计的准确性问题...当然，这种方法也是也有是有一定的缺陷： （1）基于 Pseudo LiDAR 的方法目前都是 two-stage 的方法，先预测密集深度，再反投影到 3D 空间生成伪点云，在实际的使用过程中，会消耗非常大的内存...图6：DD3D 网络结构图，主要关注添加的 Dense depth branch 论文将数据集的点云投影到图片上，构成了一个 dense depth map, 同时给常见的端到端模型添加了一个 dense...作者将深度网格化，对输入图片的每一个像素预测深度网格分布，获取具有深度信息的特征桶，接着将特征桶转换为体素网格，再转换到鸟瞰图 (BEV) 下进行目标检测。...整个方法流程如下图所示： 图7：CaDDN 流程图：图像→预测深度网格分布→构建体素网格→鸟瞰图（BEV）→3D检测 而在论文 ImVoxelNet 中，作者通过把体素投影到图像平面上进而采样图像特征作为该体素的特征

1.6K30

Google Earth Engine ——带缓冲的随机样本选择

地球引擎示例 进行土地覆盖分类时的一个常见问题是采样数据中的空间自相关风险会扭曲预测结果或准确性评估。可以帮助解决此问题的一种方法是使用某种形式的缓冲确保训练和验证样本之间有足够的间隔。...这个例子将演示一种方法来做到这一点。 使用缓冲区生成随机样本的一种蛮力方法可能是获取大量样本，并通过丢弃近邻将这些样本过滤到较小的数字。...生成基于栅格的网格单元非常简单；您只需使用 将任何图像重新投影到所需的投影+比例reproject()。...将所有内容内置到可调用函数中后，可以在https://goo.gle/3tsFpa7找到完整的脚本以及用于显示投影像素网格的实用程序。 显示投影的像素网格。...如果您要为例如：k 折交叉验证采集多个样本，则每次都应该偏移网格，这样就不会对每次折叠使用完全相同的采样网格。你可以这样做： // 按投影单位中 0 到 1 之间的随机量平移投影。

11010

WRF如何转换投影+模拟台风路径可视化

(ds.CEN_LON, ds.CEN_LAT)从WGS84投影到WRF模型使用的投影坐标系。...，在计算过程中考虑了周围四个网格点的权重。...Patch插值（patch）： 优点：Patch 插值是一种多步骤的插值方法，通过将目标区域分成多个小块并进行插值，可以更好地处理不规则网格和不连续数据。它能够提供较高的插值精度。...最近邻插值（nearest_s2d）： 优点：最近邻插值是一种简单快速的插值方法，它直接使用最近的一个源网格点的值来进行插值，不涉及其他计算。...反转最近邻插值（nearest_d2s）： 优点：反转最近邻插值是最近邻插值的一种变体，它根据目标网格上离坐标更近的源网格点来进行插值。

7210

机器学习特征工程和优化方法

对于训练数据，设法将多维数据投影到一条直线上，同类数据的投影点尽可能接近，异类数据点尽可能远离。 对数据进行分类时，将其投影到同样的这条直线上，再根据投影点的位置来确定样本的类别。...我们的目标是将这些数据投影到一维，让每一类相近的数据的投影点尽可能接近，不同类别数据尽可能远，即图中红色和蓝色数据中心之间的距离尽可能大。 ? 左图和右图是两种不同的投影方式。...2.5.2 主成分分析（PCA） PCA就是将高维的数据通过线性变换投影到低维空间上去。 投影思想：找出最能够代表原始数据的投影方法。被PCA降掉的那些维度只能是那些噪声或是冗余的数据。...它的理论依据是，如果样本点集足够 大，那么通过随机采样也能大概率地找到全局最优值，或其近似值。随机搜索一 般会比网格搜索要快一些，但是和网格搜索的快速版一样，它的结果也是没法保证的。...贝叶斯优化算法，贝叶斯优化算法在寻找最优最值参数时，采用了与网格搜索、随机搜索完全 不同的方法。网格搜索和随机搜索在测试一个新点时，会忽略前一个点的信息；而贝叶斯优化算法则充分利用了之前的信息。

1.6K11

Open3DGen：从RGB-D图像重建纹理3D模型的开源软件

；4） 点云生成；5） 粗网格重建；6） 可选环路闭和检测；7） 精细化网格重建；8） UV展开；9）纹理投影。...本文提出了一种端到端的三维重建软件Open3DGen，该软件采用SLAM和摄影测量方案的特征，以便从RGB-D图像快速生成精确的真实感纹理三维模型，据我们所知，这是第一个完全开源和跨平台的软件实现，用于...Open3DGen：后端 该方法的离线后端由四个阶段组成：1）循环闭合和相机姿势优化；2） 网格重建；3） UV展开, 4）纹理投影。然而，环路闭合和摄像机姿势优化是一个可选模块。...在这四个阶段之间，可以导出生成的点云或三维网格以进行手动处理，手动优化网格拓扑或使用自动化解决方案可以获得更好的结果，然后，可以将编辑的网格重新导入流程中以进行纹理投影，如果深度数据特别嘈杂且具有大量异常值...，则在纹理投影之前编辑原始网格或点云数据也很有用。

1.2K10

基于激光雷达数据的深度学习目标检测方法大合集（上）

从这些顶视图网格图，CNN网络同时推断旋转的3D边框与语义类别。将这些框投影到摄像机图像中进行视觉验证（不是为了融合算法）。汽车被描绘成绿色，骑自行车的人是海蓝宝石，行人是青色。 ?...它引入一种角度损失的回归函数来改善方向估计性能，还有一种数据增强方法，可以提高收敛速度和性能。 提出的网络在KITTI 3D对象检测基准上产生SoA结果，同时保持快速的推理速度。...在KITTI，它在Titan X GPU上实现了实时性能（40 fps）。 ? 投射点云以获得鸟瞰网格图。从点云投影创建两个网格地图。...要获取检测器一个有用的输入，通过变换G（·）将3D点云原始数据投影到一个包含距离和反射信息的特征化图像表示中 。...这是一个用于在点云上快速准确地进行3D边框估计的流水线。RGB-图被馈送到CNN。 E-RPN网格在最后一个特征图上同时运行，并预测每个网格单元五个框。

2.4K31

商汤提出手机端实时单目三维重建系统，实现逼真AR效果和交互

提出一种快速有效的增量式网格生成方法，该方法可以融合关键帧深度从而实时增量地重建场景表面网格，同时支持场景动态物体的移除，在中端的手机平台上实时运行； 3....然后，根据离散采样深度和影像位姿将当前帧的像点投影至多视图参考帧上，计算联合匹配代价。具体的，考虑当前第 t 帧上的像点坐标 ? 和采样深度 ? ，根据对极几何关系找到其在帧 t' 上的对应点 ?...鉴于此，本文希望能够实现一种适合手机端 AR 应用的实时增量式在线网格生成算法，通过构建一种快速的基于空间索引的 voxel hash 机制，并对传统的 Marching Cubes 算法进行改进，使其能够在线增量地扩展场景网格表面...图6 可扩展哈希索引示意图 ② 体素的融合与动态物体移除 对于输入的每个关键帧深度图，通过将深度值投影到三维的体素块中，从而判断是否需要分配新的体素块，如果需要则将体素块的 TSDF 和权值信息插入到索引表中...与现有的基于点云或 TSDF 的在线重建方法不同，Mobile3DRecon 系统可以根据单目摄像头图像鲁棒地估计场景深度，同时将估计的关键帧深度实时增量地融合到稠密网格表面。

2.1K30

手把手搭建游戏AI—如何使用深度学习搞定《流放之路》

其数据点集合(缩写)如表1所示：世界点坐标&投影点坐标 表1：数据映射 接下来，我们构建一个转换矩阵A，将3D点投射到2D的点上。...利用这个投影矩阵，我们就可以把点投影到原始图像上了。下图展示了怎样把一个xy平面表示的网格点投影到原始图像上。 图5：原始图像和将投影的XY平面 上面的投影看起来还蛮合理的。...在投影矩阵标定好的情况下，可以使用下面的函数把一个三维点(每一行为1点)矩阵投影到平面上。...这有助于将AI的位置保持在其内部地图中，并且和玩家的实际位置保持同步。因此，为了移动到位置x，AI首先将点x投影到屏幕上，然后将鼠标移动到该位置，并触发适当的键执行闪电传送。...世界点坐标 & 投影点 表3：内部地图 回忆一下第二部分的内容，投影地图类允许画面上的任何像素映射到3D坐标（假设玩家总是在xy平面上，然后该3D坐标会被量化为某个任意精度，让AI的世界地图变成均匀间隔网格的点

2.8K70

浅谈 GPU图形固定渲染管线

另一种提交方法是建立GPU命令表。场景如果需要多步骤渲染，则需要多次提交，所提交的几何图元应有适当地排序以优化性能。 控制着色器参数以及渲染状态。...对于第一种情况，物体会被排除在渲染表之外。给定一个网格模型，我们可以通过一些简单的判别测试来判断网格模型是否位于平截头体内，这些测试会用到物体的包围体积（包围物体的一个球体）及平截头体的六个平面。...我们电脑显示器是二维的，GPU所需要做的，就是把三维顶点数据经过转换绘制到二维屏幕上，并让二维画面看起来有3D效果。...由于透视投影更加符合人类的视觉习惯，它会产生近大远小的效果，所以我们采用这种投影来执行视锥中的3维数据到投影平面的投影。Directx中通过一个称为投影矩阵来将视域体中的几何体投影到投影窗口中。...模板缓存与深度测试缓存、后台缓存（或颜色缓存，最终显示在屏幕上的缓冲区）的大小（分辨率）完全一致，模板缓存中的像素点与后台缓存的像素点是一 一对应的。

2.4K80

浅谈 GPU图形固定渲染管线

另一种提交方法是建立GPU命令表。场景如果需要多步骤渲染，则需要多次提交，所提交的几何图元应有适当地排序以优化性能。 控制着色器参数以及渲染状态。...对于第一种情况，物体会被排除在渲染表之外。给定一个网格模型，我们可以通过一些简单的判别测试来判断网格模型是否位于*截头体内，这些测试会用到物体的包围体积（包围物体的一个球体）及*截头体的六个*面。...我们电脑显示器是二维的，GPU所需要做的，就是把三维顶点数据经过转换绘制到二维屏幕上，并让二维画面看起来有3D效果。...由于透视投影更加符合人类的视觉习惯，它会产生*大远小的效果，所以我们采用这种投影来执行视锥中的3维数据到投影*面的投影。Directx中通过一个称为投影矩阵来将视域体中的几何体投影到投影窗口中。...模板缓存与深度测试缓存、后台缓存（或颜色缓存，最终显示在屏幕上的缓冲区）的大小（分辨率）完全一致，模板缓存中的像素点与后台缓存的像素点是一 一对应的。

2.2K20

基于MeshCNN和PyTorch的三维对象分类和分割

这个问题很难回答，因为表征的选择决定了我们必须采取的学习方法。对于分类示例，可以将模型从3D空间投影到2D图像中，并应用标准2D卷积。您可以将模型所占据的3D空间表示为体素网格，允许您应用3D卷积。...投影 一些早期的3D深度学习研究直接绕过了3D表示问题，而简单地将3D模型投射到2D图像中。这使得3D数据符合经典的CNN视觉方法。...体积元素 体素方法在不牺牲卷积的情况下解决了投影方法的许多问题。通过将3D空间划分为箱，创建一个密集的占用网格，如果它在模型中，则为每个单元格分配一个布尔值。网格布局很容易应用3D卷积。...然而，即使网格信息可用，它也没有利用网格信息的机制。 MeshCNN 有没有一种方法可以直接研究网格，而不牺牲有价值的拓扑信息，承受体素的计算代价，或对如何查看它做出假设?...网格池化(即学习到的边折叠)允许网络通过将5条边折叠成2条边并同时分解两个面来学习特定任务的池化。

1.3K10

说好不哭！数据可视化深度干货，前端开发下一个涨薪点在这里~

根据不同的地图使用场景，需要选择不同的投影算法，现在很多投影算法都是现成的，不需要自己手动写。其中，等角投影是用得比较普遍的一种，其中的墨卡托投影，则是现在地图厂商使用较多的一种地图投影算法。 ​...2) Canvas渲染：把数据渲染到Canvas上，这里用的是D3.js的墨卡托转换函数，再用.context方法渲染到Canvas上。...但这个方案对于热力图是不适用的，更适合关系图。 网格法：网格法比较简单，网格法是把屏幕里面的每个区域画成一个个格子，看哪个数据在这个格子里面，把点聚合到格子的中心，有个别点的偏差会比较大。...距离法：距离法是通过迭代每一个点、设置点的外包正方形去碰撞，若相交，则把该点聚合到该聚合点中，所以每次聚合的结果都不一样。 网格距离法：还有一个是网格距离法，顾名思义，就是前面两个方法的结合。...首先迭代格子，算出网格质心，再次迭代聚合后的点，通过距离法再算一次质心。相对来讲，网格距离法会比网格法和距离法，在算法时间上多一点，但是它的结果会更准确一点。

7.8K00

AAAI 2024 | 深度引导的快速鲁棒点云融合的稀疏 NeRF

此外，现有的深度感知NeRF很少使用深度信息来创建更快的NeRF，总体时间效率较低。为了应对上述问题，引入了一种针对稀疏输入视图量身定制的深度引导鲁棒快速点云融合NeRF。...利用稀疏输入RGB-D图像和相机参数，我们将每个输入视图的2D像素映射到3D空间，以生成每个视图的点云。随后，将深度值转换为密度，并利用两组不同的矩阵和向量将深度和颜色信息编码到体素网格中。...本文的主要贡献如下： 首次提出了一种用于稀疏输入视角的深度引导鲁棒快速点云融合NeRF，最大限度地减少了不准确深度值的影响； 提供了NeRF框架下的点云表示方法，是首个与点云融合的NeRF模型； 与同类方法相比...sigma,r} , v^Z_{\sigma,r} 上进行投影，被任意3D点投影覆盖的矩阵和向量的元素设置为1，而所有其他元素被指定值0。...这种方法可以有效地指示几何体网格中存在点，进而作为点云体积密度的表示方法。

50710

个推数据可视化之人群热力图、消息下发图前端开发实践

根据不同的地图使用场景，需要选择不同的投影算法，现在很多投影算法都是现成的，不需要自己手动写。其中，等角投影是用得比较普遍的一种，其中的墨卡托投影，则是现在地图厂商使用较多的一种地图投影算法。...2) Canvas渲染：把数据渲染到Canvas上，这里用的是D3.js的墨卡托转换函数，再用.context方法渲染到Canvas上。...但这个方案对于热力图是不适用的，更适合关系图。 网格法：网格法比较简单，网格法是把屏幕里面的每个区域画成一个个格子，看哪个数据在这个格子里面，把点聚合到格子的中心，有个别点的偏差会比较大。...距离法：距离法是通过迭代每一个点、设置点的外包正方形去碰撞，若相交，则把该点聚合到该聚合点中，所以每次聚合的结果都不一样。 网格距离法：还有一个是网格距离法，顾名思义，就是前面两个方法的结合。...首先迭代格子，算出网格质心，再次迭代聚合后的点，通过距离法再算一次质心。相对来讲，网格距离法会比网格法和距离法，在算法时间上多一点，但是它的结果会更准确一点。

2.3K30

激光视觉惯导融合的slam系统

LIO构建的地图的VIO框架，具体来说利用地图点和观测到的图像像素块结合后投影到一个新的图像上通过最小化光度误差来得到全部状态的位姿估计结果。...实际上，为了找到距离该点最近的平面，利用先验的位姿把点投影到地图中找到距离该投影点最近的五个点（地图点是用ikd_tree维护的）来拟合平面，为了考虑雷达点的测量噪声，会加上一个矩阵表示每个点的权重。...为了解决这个问题，作者基于当前的状态量将视觉子图中的所有点投影到当前帧并在每个40x40的像素网格中保留深度最小的点。...此外，作者将当前帧雷达扫描点投影到当前帧，并检查他们的深度来检查他们是否遮挡了投影到9x9领域内的其他地图点。被遮挡的点也会被剔除。...为此作者将当前图像分成40×40像素的网格，并在其上投影最近一次激光雷达扫描中的点。每个网格中具有最高梯度的投影激光雷达点将添加到视觉全局地图中，以及在其中提取的patch和相机位姿。

43830

前沿 | 超越像素平面：聚焦3D深度学习的现在和未来

而在方法上也从将二维卷积神经网络应用到三维数据上转变为专门为三维场景设计的方法，这大大提高了物体分类和语义分割等任务的性能。这些结果非常有前景，它们证明了通过三维技术观察和表示这个世界是有价值的。...多边形网格由一组带公共顶点的凸多边形表面组成，可近似一个几何表面。我们可以将点云看作是从基础的连续集合表面采样得到的三维点集；多边形网格则希望通过一种易于渲染的方式来表示这些基础表面。...通过点云学习 PointNet 考虑到这些使用基于体素的方法存在的问题，近期的工作将重点放在了直接在原始点云数据上进行操作的架构上。...特别吸引人的一点是，SPLATNet 可以将从多视图图像中提取的特征投影到三维空间中，将二维数据与原始点云以一种端到端的可学习的架构进行融合。...尽管目前大多数研究是由无人驾驶应用驱动的，但直接在点云上运行的新方法在三维医学影像、虚拟现实和室内地图中也将发挥重要的作用。

1.2K20

GaussianEditor：快速可控的3D高斯编辑

为了获得每个高斯的语义标签，作者通过逆向渲染将提出的 2D 语义标签重新投影到高斯。具体来说，为每个高斯保持了一个权重和一个计数器。...在过去涉及 GS 在文本到3D和图像到3D中的工作中，由于GS 是一种类似点云的表示，因此在面对生成引导的随机性时显示出局限性。...为了解决这些问题，作者引入了分层高斯溅射(HGS)，这是一种更适合生成和编辑场景的高斯溅射的结构化表示。HGS 基于某个高斯点产生时的具体的致密化代数将 GS 分为不同的世代。...然而，有效的 2D 补全需要精确的掩模来提供更好的指导。为了生成这些掩膜，在删除物体后，使用 KNN 算法来识别最接近被删除的高斯，它们很可能在接口处。然后将这些投影到各种视角上。...随后，对创建的 I^M_y 的前景对象进行分割，并将其输入到图像到 3D 的方法中，以生成粗略的 3D 网格。然后将该粗网格转换为 3D 高斯 \theta_y ，并使用 HGS 进行细化。

50710

3D内容创作新篇章：DREAMGAUSSIAN技术解读，已开源

文章借鉴了2D内容生成领域的最新突破，讨论了3D内容创建领域的快速发展，将现有的研究分为两大类：仅推理的3D原生方法和基于优化的2D提升方法。...总结本文的贡献如下：作者提出了一种通过将高斯分割适应生成设置，显著减少基于优化的2D提升方法生成时间的新框架；设计了一种高效的从3D高斯提取网格的算法和UV空间纹理细化阶段，进一步提高了生成质量；通过在图像到...由于作者已经获得了网格几何形状，作者可以将渲染的RGB图像反向投影到网格表面，并将其作为纹理烘焙。作者首先展开网格的UV坐标并初始化一个空的纹理图像。...然后，作者均匀选择8个方位角和3个仰角，加上顶部和底部视图来渲染相应的RGB图像。这些RGB图像中的每个像素可以根据UV坐标反向投影到纹理图像上。...作者的方法在图像到3D任务上，相比于现有的仅推理方法和基于优化的方法，在生成质量（CLIP相似度）和生成速度（时间）上取得了很好的平衡。

43310
点击加载更多

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

更多标签

活动推荐

    运营活动

    活动名称
    广告关闭

    腾讯云开发者

    扫码关注腾讯云开发者

    扫码关注腾讯云开发者

    领取腾讯云代金券

    热门产品

    热门推荐

    更多推荐

    Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

    深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

    腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

    领券