Please enable JavaScript.
Coggle requires JavaScript to display documents.
PCL 點雲庫書 重點章節的精讀 - Coggle Diagram
PCL 點雲庫書 重點章節的精讀
第六章閱讀重點
直通濾波
設定閥值直接濾波，可以直接過濾明顯不符合需要的點雲數據
下採樣濾波
可以透過統計的方法，合理的刪除過多的數據而不改變整體點雲在空間分布的情況，可以減少後續點雲計算的計算量
離群點濾波
statistical outlier removal
根據計算每個點的k 近鄰點的平均距離D，理論上點雲D值會呈現類似高斯型態的分布，並根據統計的原則把D值差異過大的點刪除，理論上可以消去離群的點集合
extract indices 濾波去提取點雲的子集
extrcat indices 是可以根據分割的結果把點雲的子及河堤取出來，不過使用前還是要使用分割演算法。他只是提供一個工具來根據分割的標記來提取點雲。
conditonal Removal 濾波器
可以設定多個 條件性的閥值例如 z座標 大於 等於 5 且 y座標小於等於4 等來直接去除明顯不需要的點資料
radius outlier 濾波器
設定在近鄰搜旬的半徑中 設定需要的點個數當做閥值過濾，例例如設定半徑r 內需要有 n個點 ，n個點以下的點雲資料會被刪除
Crophull 多邊形濾波器
根據特定點計算的凸包，並分離凸包外部的點雲
第四章:k-d tree和八叉樹
k-d tree 的k鄰近和指定半徑的兩個搜索法
八叉樹的k齡近和指定半徑的兩個搜索法
第五章:可視化
cloud viewer 的簡單點雲可視化
PCLvesulizer 的使用
一般點雲
rgb點雲
點雲的特徵可是化
點的連線
法向量可視化
幾何形狀的添加
第九章採樣的一致性
核心算法概念
ransac 隨機採樣一致性算法
LMedS 最小中值方差估計算法
假設點雲的分布會符合一個特定的參數模型，例如平面或一個曲面，並把離模型太遠的點當作outlier 去除
Ramdom Sample consensus 模塊實現 隨機採樣的點雲擬合平面模型或球面
第十二章:點雲分割
理論
聚類分割算法
隨機採樣一致性分割
實例
利用segmentation 模塊進行隨機採樣一致性分割 平面點雲
利用segmentation 法線特徵進行 隨機採樣一致性分割 圓柱點雲和平面點雲
利用euclidean cluster extraction 模組使用歐式具類的方法對三維點雲進行場景分割
利用difference Of Normal Estimation 的模塊 根據不同尺度下法向量特徵的差異性來分割
第十章: 特徵點的描述和提取
估計一個點雲的表面法線
理論的部分
最小二乘法的數學問題
法向量的正負項問題
尺度選擇的問題
實際例子
使用compute PointNormal 的的模塊計算點雲法向量的例子
有序點雲使用 integral image normal estimaiton 模塊可以減少更簡單的計算點雲的法向量的例子