Please enable JavaScript.

Coggle requires JavaScript to display documents.

點雲庫PCL從入門到精通書籍的快速重點整理 - Coggle Diagram

- - - - 他主要講使用cmake 來自動化的搭建 vs編輯器的環境，不過我已經用手動的方式搭建了有效的環境，所以這裡我看看就好，可能寫好論文後再看cmake 怎麼用
    - - 講.h .cpp .hpp 等命民文件
        
        那個其實要到更深入的應用才會要用到
    - - 因為我程式能力還不到好，我之前的應用上都是只有用各種函數來計算就足夠使用，要用到編寫class可能要更大的project才需要，我只用搞懂自訂一些函數，然後一些模塊的使用，模塊的資料交換io
- - - - 基本上可能論文可以講到一點點
    - - 完全用不到，因為我只有藥用一個設備來產生點雲數據
    - - 這個對我蠻重要的
- - - - 因為點雲可能數量龐大解之間沒有關係，當得到點雲的需要利用一些演算法建立點雲之間空間關係，這樣之後在計算時才可以依照相對關系檢索點雲來減少計算量
        
        例如當我們隨機抓一個點資料，可以用k-d tree快速找出有哪些點可能在空間在分布在附近，而不是全部的點統逐一計算距離，計算量會非常龐大
- - - - 我覺得這個應該超級不重要的，因為matlab一定比他強很多
    - - 這個應該也啥用，因為這個與其要用PCL自己寫，不如用matLab來畫
- - - - 這裡的關鍵點就是在影像處理的點線邊的特徵點提取算法，推廣到三維空間的硬應用
      - 主要方法是透過類似於影像處理中的，透過各種演算法計算向素梯度梯度間的關係，不過在三維梯度的概念變成點的法向量
- - - - 我應該主要看法向量類型的
- - - - 就是當點雲數據可能具有明顯的物理意義時，例如是一個平面或曲面時，採樣的一致性可以進一步區分出，那些點的數值可能是偏差較大的值，先行去除可以讓數據的雜訊更一步的降低