OrbSLAM2採集點雲資料
因為條件限制，在Windows10平臺下實現OrbSLAM2+Kinect2點雲資料採集。
1. 遇到問題，啟動執行沒多久就跟丟了，有的地方哪怕輕微的旋轉甚至不動都無法跟蹤。
原因：相機的標定引數不對，fx和cx引數搞反了。其實應該從獲取的稀疏點雲中能夠看出來有問題，稀疏點雲的形狀和分佈就不對。
2.將每幀點雲轉換到世界座標系的時候，需要注意點雲的座標系。Kinect SDK生成的點雲的座標系和自己根據影象生成的不一致。
總結：
總的說來效果還是不錯的，不過採集的點雲還是存在重影。
思考可能是因為追蹤和區域性BA產生了誤差累積，雖然做了整體優化，但是誤差仍然表現在獲取的點雲中。
這樣就和深度測量值也有關係，畢竟Kinect的距離精度還是比較低的。
同時採集軌跡的形狀也有影響，如果軌跡在空間中的分佈不均勻，運動不是勻速也會影響採集資料的質量。
相關推薦
OrbSLAM2採集點雲資料
因為條件限制，在Windows10平臺下實現OrbSLAM2+Kinect2點雲資料採集。 1. 遇到問題，啟動執行沒多久就跟丟了，有的地方哪怕輕微的旋轉甚至不動都無法跟蹤。 原因：相機的標定引數不對，fx和cx引數搞反了。其實應該從獲取的稀疏點雲中能夠看出來有問題，稀疏點雲的形狀和分佈就不對。 2.將
[硬體]點雲資料採集2
採用GMapping定位，增加一個垂直掃描的2D鐳射實時採集三維點雲。 發現GMapping的定位精度還是沒有辦法滿足高精度點雲採集位姿的需要。尤其是當旋轉的速度比較大的時候，位姿精度更差。原因是掃描匹配可以獲取較高精度的位姿，但是兩次掃描匹配之間的運動只有里程計相對運動資料，因此里程計誤差嚴重。
三維點雲資料集
轉載！ 三維點雲 幾何空間的三維掃描資料（加紋理）GeometryHub(幾何空間) 歐特克的研究——數字210金歐特克的樣品掃描和影象資料研究辦公室。 自治系統實驗室(乙)鐳射和Kinect結構化和非結構化的資料環境。 這一組有一個有用的相關
3D點雲資料分析：pointNet++論文分析及閱讀筆記
PointNet的缺點： PointNet不捕獲由度量空間點引起的區域性結構，限制了它識別細粒度圖案和泛化到複雜場景的能力。 利用度量空間距離，我們的網路能夠通過增加上下文尺度來學習區域性特徵。 點集通常採用不同的密度進行取樣，這導致在統一密度下訓練的網路的效能大大降低。
【深度學習】三維點雲資料集總結
點雲資料集總結 三維點雲資料，三維深度學習 1.ShapeNet ShapeNet是一個豐富標註的大規模點雲資料集，其中包含了55中常見的物品類別和513000個三維模型。 2.ShapeNetSem 這是一個小的資料庫，包含了270類的12000個物
PCL學習筆記——讀入txt格式點雲資料，寫入到PCD檔案中
讀入txt格式點雲資料，寫入PCD檔案中 // An highlighted block // pointclouds_octree.cpp: 定義控制檯應用程式的入口點。 // #include "stdafx.h" #include<iostream> #include
Matlab讀取點雲資料 + 顯示
求matlab讀取三維點雲資料的程式。 clear A=importdata(‘data.txt’); [IX,IY]=size(A); x=A(:,1); y=A(:,1); y=A(:,2); z=A(:,3); plot3(x,y,z,’.’);
點雲資料
package cn.thu.util; import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;import java.util.Random; public class
將ContextCapture生成的點雲資料轉化為PCL可以處理的資料格式
示例程式碼： file = open('point2.txt') # 讀取所需資料 val_list = file.readlines() list_x = [] list_y = [] list_z = [] list_rgb = [] for string in val_list:
從PCD檔案中讀取點雲資料（Reading Point Cloud data from PCD files）
在本教程中，我們將學習如何從PCD檔案中讀取點雲資料。 #程式碼 首先，在你最喜歡的編輯器中建立一個名為pcd_read.cpp的檔案，並在其中放置下面的程式碼： #include <iostream> #include <pcl/io/pcd
Ros kinect點雲資料
平臺 ubuntu 14.04 Ros indigo 依次執行以下命令 執行模擬的turtlebot roslaunch rbx1_bringup fake_turtlebot
點雲資料，你怎麼看？
最近在看點雲資料，但是中文資料很不全，百度一下什麼也沒有。我就小結一下點雲資料，和大家分享一下。 點雲資料 一：什麼是點雲資料 點雲資料是指在一個三維座標系統中的一組向量的集合。這些向量通常以X
ccf點雲資料處理
儲存一下當時如何處理資料的 1.將csv檔案儲存為h5檔案 import numpy as np import h5py L0 = np.loadtxt(open(".\category0.csv","rb"),delimiter=",",skiprows=0) L1 = np.lo
雙邊濾波演算法在點雲資料處理時的應用
雙邊濾波演算法在點雲資料處理時的應用 簡介（摘自百科） 雙邊濾波（Bilateral filter）是一種非線性的濾波方法，是結合影象的空間鄰近度和畫素值相似度的一種折中處理，同時考慮空域資訊和灰度相似性，達到保邊去噪的目的。具有簡單、非迭代、區域性的特點 。雙邊濾波器的好處是可以做
將velodyne三維鐳射的點雲資料(16條射線)轉換到laserscan
真正實現機制是velodyne裡的velodyne_laserscan執行velodyne_pointcloud中的VLP16_points.launch第11行是修改感測器掃描的距離，第49行是將感測器的點雲資料（16條射線）抽取出一條，轉換為laserscan.轉換規則如
[硬體]三維點雲資料獲取
A laser mount on a tilting unit. 目前的硬體獲取資料出現了這麼個問題，應該是鐳射沒有安裝好，掃描方向沒有真正沿著鉛錘方向。考慮進行校準。 初步校正了一下，可以差不多看了，不過發現北陽的誤差真的很大啊！北陽激光采集點本身需要運動補償嗎？ （PS：點雲資料誤差大的原
Kinect2.0點雲資料獲取
#include "stdafx.h" #include "kinect.h" #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp&g
點雲資料處理學習筆記
三維計算視覺研究內容包括： （1）三維匹配：兩幀或者多幀點雲資料之間的匹配，因為鐳射掃描光束受物體遮擋的原因，不可能通過一次掃描完成對整個物體的三維點雲的獲取。因此需要從不同的位置和角度對物體進行掃描。三維匹配的目的就是把相鄰掃描的點雲資料拼接在一起。三維匹配重點關注匹配演算法，常用的演算法有最近點迭代
PCL中訪問點雲資料點的幾種方式
最近在看PCL的教程，發現對點雲中具體資料點的訪問也有好幾種方式，看著看著就會混淆了，所以，現將每種方式記錄下來，做個對比，方便隨時複習，溫故知新。一、第一種是在看《How to create a range image from a point cloud》教程時看
處理點雲資料(四)：點雲到影象平面的投影
點雲到影象平面的投影 座標系的定義 相機（x：右，y：下，z：前） 點雲（x：前，y：左，z：上） 讀取感測器校準引數 在KITTI資料集raw_data中有兩個感測器校準引數檔案calib_cam_to_cam.txt(相機到相機的標定) 和