使用层次聚类的有组织点云的快速平面提取（续）
这是老师很久之前给的一篇paper，LZ还是有拖延症，到现在才想起来要把这篇paper的一些自己的思考或者说一些理解记录下来，如果有兴趣的，小伙伴可以看下原文“Fast Plane Extraction in Organized Point Clouds Using Agglomerative Hierarchical Clustering”。
1.使用的数据
按照原文的翻译是有组织的点云，其实这还是对于这个算法来说有所偏颇的，在代码使用的时候只使用了点云部分的深度信息，并不包含rgb的信息，只是在使用kinect的时候，PCL库直接是以点云的形式把数据保存下来的。
何为organized point cloud，这个在之前学习PCL的时候就说过，如果点云是可以以2D对3D点云进行索引的话，这就算是organized point cloud，在实际代码中表现在定义点云大小的时候直接定义点云的height和width，一般就是480和640，如果是unorganized point cloud，一般point cloud 的height定义为1，width就是整个点云数目，把kinect采集到的数据定义成unorganized的话，height = 1, width = 307200，这是没办法通过2D进行索引的，相当于把整个点云拉成一条，在数据利用上缺失了点与点之间的空间信息，不利于有些点云的特征的处理。
2.参数设置的问题
文章中有很多人工设置的参数，不同的参数对于后续的平面提取肯定是有影响的，而且对于程序运行的精度也会有所影响。原文中提到了几个阈值的设定也是偏向于经验值或者参考其他文献设定的。当然相机内参是肯定要的。。。
3.算法总体
具体的步骤可以参考上图流程
输入：深度相机获得的深度图像
step1：初始化
对于输入的深度图像进行初始化，先分成10*10大小的方块（尺寸是人为设定，可自行修改），每一块就相当于是图模型的一个node（注意node包含不只一个点）。如果出现下面四种情况，要把该节点和对应的边删除掉：
节点的均方误差高于设定阈值
节点含有缺失的数据
节点包含的深度不连续
节点在两个平面的边界
step2：层次聚类
未完待续。。。
使用层次聚类的有组织点云的快速平面提取（续）相关推荐
- R语言ggplot2可视化树状图、层次聚类系统树图、树状图根据给定的距离度量将相似点分组在一起、并根据点的相似性将它们组织成树状图链接起来（Hierarchical Dendrogram）
R语言ggplot2可视化树状图.层次聚类系统树图.树状图根据给定的距离度量将相似点分组在一起.并根据点的相似性将它们组织成树状图链接起来(Hierarchical Dendrogram) 目录
- Python使用matplotlib可视化树状图、层次聚类系统树图、树状图根据给定的距离度量将相似点分组在一起、并根据点的相似性将它们组织成树状图链接起来（Dendrogram）
Python使用matplotlib可视化树状图.层次聚类系统树图.树状图根据给定的距离度量将相似点分组在一起.并根据点的相似性将它们组织成树状图链接起来(Dendrogram) 目录
- 针对天气预报集合数据的时间层次聚类和可视化
集合(ensemble)模拟数据可视化是科学可视化的一个重要研究方向,特别是针对气象学这一特定领域.通过扰动初始条件或者使用不同的预测模型公式,集合方法会生成代表大气未来可能状态的一些数据成员.分析集 ...
- R语言层次聚类模型示例
R语言层次聚类模型示例 层次聚类(Hierarchical Clustering)是聚类算法的一种,通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树.在聚类树中,不同类别的原始数据点是树的 ...
- 机器学习--聚类系列--层次聚类
层次聚类 层次聚类(Hierarchical Clustering)是聚类算法的一种,通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树.在聚类树中,不同类别的原始数据点是树的最低层,树的顶 ...
- 使用层次聚类在结构点云中进行平面的快速提取
在许多机器人应用的领域,能够实时在三维点云中进行平面提取是非常困难的.在论文中提出了一个算法,能够在类似Kinect 传感器采集到的点云进行实时可靠的多平面的检测. 具体的算法一共有三个步骤: 第一步 ...
- 聚类分析：原型K-Means/K-Means++聚类、层次聚类；密度聚类DBSCAN
聚类分析–处理无标签数据 from IPython.display import Image %matplotlib inline 1.使用K-Means方法按照相似度对对象进行分组 1.1使用skl ...
- 【Python】sklearn机器学习之层次聚类算法AgglomerativeClustering
文章目录 基本原理 绘图层次 定义距离 基本原理 和Birch聚类相似,层次聚类也是一种依赖树结构实现的聚类方法,其核心概念是相似度.根据相似度,可以将所有样本组织起来,从而构建一棵层次聚类树. 其中 ...
- 聚类分析-K-means、层次聚类、DBSCAN、簇评估
聚类分析基本概念 聚类分析定义 聚类分析是一种数据分析技术,对大量未知标注的数据集,通过将具有相似数据特性的数据对象分组到一起,使得类别内的数据相似度较大而类别间的数据相似度较小,以便对这些数据对象进 ...
最新文章
- 起飞，会了这4个 Intellij IDEA 调试魔法，阅读源码都简单了
- 聊天宝彻底凉了，遭罗永浩抛弃，团队就地解散
- 二叉树代码我写得很乱！！！整理一下思路
- java上传图片报404_ssm框架上传图片成功后跳转jsp页面显示却404访问不到图片
- 【问链财经-区块链基础知识系列】 第二十六课 隐私保护方法：多方安全计算和区块链
- boost::system::error_condition相关的测试程序
- ListView和GridView的缓存机制及measure过程
- 让iframe可编辑
- Java NIO编写Socket服务器的一个例子
- php接收vue请求数据axios,详解vue axios用post提交的数据格式
- 【零基础学Java】—继承的概述（十九）
- 版本控制系统（SVN，Git）与项目托管平台（Github，Gitee，Coding）
- 网络核心之数据交换 - 报文、分组交换
- A Simple Math Problem （矩阵快速幂）
- Jupyter Notebook Virtualenv 添加 卸载环境
- 使用odbc连接达梦数据库
- 基于AT89C51的多层电梯控制系统
- 8. 数仓开发之 DIM 层
- 51小项目——使用proteus搭建简易的光照度计-（1）
- NVIDIA显卡驱动的安装失败