深度图地面分割

最新推荐文章于 2026-04-21 10:38:56 发布
原创 最新推荐文章于 2026-04-21 10:38:56 发布 · 1.3k 阅读 · 3 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
定位与导航

当前文章被收录于：

定位与导航
46 篇文章 8 人学习
订阅专栏 查看详情
pcl

当前文章被收录于：

pcl
2 篇文章 0 人学习
订阅专栏 查看详情
博客提及深度图地面检测及 plane_detector，聚焦于深度图的地面检测相关信息技术内容。
realsense ros 三维点云地面检测与障碍物聚类
David_BY的博客
10-21 4772
点云地面检测算法_leeayu的博客-CSDN博客_地面检测 地面拟合法 Run_based_segmentation/scanlinerun.cpp at master · VincentCheungM/Run_based_segmentation · GitHub 点云平面检测GitHub - muratkendir/PlaneDetectionwPCL: Uses some filters and running RANSAC algorithm to detect planes in any .
在ROS中使用奥比中光Orbbec Astra Pro深度相机
weixin_44827364的博客
01-17 9370
有兴趣的可以看一下ROS Wiki上的介绍： Orbbec Astra Pro介绍 astra_camera包介绍 astra_launch包介绍 功能包下载地址，可以直接用步骤里的git clone 1） 安装ROS 若已安装请忽略 2） 安装依赖： $ sudo apt install ros--rgbd-launch ros--libuvc ros--libuvc-camera ros--...
登山第十梯：地面分割——跨越山河的邻居
qq625924821的博客
09-20 925
在将 Savitsky-Golay 滤波器应用于角度图像的列后，从期望属于 ground 的行开始，并使用广度优先搜索将相似的成分一起标记，然后对角度图进行地面标记。不幸的是， LIDAR 传感器在距离测量中会产生大量异常值，LEONARD 等人（2008 年）的工作中有更详细的讨论，这会影响角度α的计算。该方法快速而简单，并且利用距离图解决了因点云稀疏引起的邻域大小难以确定的问题，并通过类似于坡度的特征，实现了低曲率地面的提取。，其中每个角度都代表连接两点 A 和 B 的线的倾斜角，如上图所示。
Project AirSim避障实战：深度图分割与动态航向决策
weixin_29197835的博客
03-15 572
本文详细解析了Project AirSim在无人机避障实战中的应用，重点探讨深度图分割与动态航向决策技术。通过核心原理分析、环境搭建指南、深度图处理技巧及动态航向优化方案，帮助开发者掌握高效避障算法实现。文章特别强调参数调优与性能优化，为无人机自主导航提供实用解决方案。
使用Open3D计算点云的占地面积
.
03-30 814
最后，创建了一个与计算点云占地面积相关的网格，并将其转换为点云。通过计算这些点落在网格中的数量，我们可以得出点云的占地面积。为了解决这个问题，我们可以利用Open3D库提供的格网法来计算点云的占地面积。通过这种方法，我们可以将点云数据映射到一个二维的网格上，从而计算点云的占地面积。除了这个例子之外，Open3D还提供了许多其他的工具来处理点云数据，例如点云配准、深度图转点云、点云分割等。然而，对于点云数据的分析和处理却是一个具有挑战性的问题。其中，计算点云数据的占地面积是一个基础性的任务。
[自动驾驶-目标检测] C++ PCL 地面点云分割
Lion996的博客
06-09 7415
在实际实现3D目标检测时，在不依靠深度学习的训练模型时，仅采用传统方法实现目标检测。一般在实施检测之前，均需要删除地面点云才能确保后续其他障碍物点云数据的提取精度，防止因为地面点云产生干扰。............
深度相机的人物检测、分割、跟踪算法，openNI的NITE采用的算法，kinect,华硕xtion
wuyoy520 的博客
11-06 5526
不管是kinect还是华硕的xtion (openNI)，里面把人定位、分割segmentation并且跟踪 tracking得都好好啊，而且这也是后续做姿势识别和骨骼跟踪的基础。 找了很久论文没有看到合适的，最后决定用Google学术搜索专利，啊哈，果然被找到了。 PrimeSense 专利 Analysis of three-dimensional scenes （专利号：US 8
基于角度方法的地面检测
如有侵权，请联系作者删除
04-29 946
基于角度方法的地面检测 （感谢前辈）转自：https://zhuanlan.zhihu.com/p/75659410 方法来源是：Effificient Online Segmentation for Sparse 3D Laser Scans 分割地面的三个假设： 1 激光雷达和地面是平行的； 2 地面曲率较小； 3 最底下的一根射线的某些部分一定观察到了地面； 分割地面的原理 该方法是基于深...
智能驾驶之激光雷达算法详解-第5章、第6章
u013250861的博客
02-14 1268
在完成前述标定章节的学习后，我们将进入激光雷达感知算法部分的学习。在本章中，我们将具体讨论地面点云分割算法。为了方便读者快速理清地面分割的现有技术方向，本章根据算法原理的不同，将3D激光点云的地面分割算法大致划分为下述5个类别。这类算法通常将3D激光点云投影到XOY平面内，而后将该平面划分为多个网格，并在每个网格中计算点云子集的平均高度[1]、最大-最小高度[2]、最大相对高度差[3]、高度方差[4,5]等指标。最后对上述指标与设定阈值进行比较，分析哪些网格中包含非地面点，哪些网格中为地面点云。这类算法对算
LeGO-LOAM 系列(2): imageProjection node 分析
weixin_40072161的博客
03-13 733
一、对应源文件 add_executable(imageProjection src/imageProjection.cpp) 二、原理 1. 分割 2. 特征提取 三、代码分析 四、参考 LeGO-LOAM和LOAM的区别与联系 - 知乎
VisionBlender：计算机视觉数据集生成工具
gitblog_00558的博客
01-13 504
VisionBlender 是一个基于 Blender 的开源项目，主要用于生成计算机视觉所需的合成数据集。该项目使用 Python 编程语言开发，并依赖于 Blender 的强大功能，为用户提供了一个直观的用户界面，以方便地生成各种类型的合成数据。 ## 核心功能 VisionBlender 的核心功能是生成带有地面真实数据的单目或立体视频序列。这些地面真实数据包括深度图、视差图、分割掩码、
快速验证方案：LingBot-Depth在机器人导航中的初步应用
weixin_29997223的博客
03-10 87
本文介绍了如何在星图GPU平台上自动化部署LingBot-Depth镜像，快速验证机器人视觉导航方案。该方案利用单目RGB摄像头实现深度感知，可生成度量级3D点云，用于室内机器人的地面分割与障碍物检测，大幅降低了导航算法的前期验证成本与硬件门槛。
从停车场AVP实战出发：深度图与点云数据融合的完整处理流水线搭建
weixin_30632089的博客
03-29 432
本文详细介绍了停车场自动代客泊车（AVP）系统中深度图与点云数据融合的完整处理流水线搭建。通过多源异构数据的系统化处理框架、深度图到点云的坐标转换体系、点云后处理与质量优化以及标注数据生成与验证四个关键步骤，展示了如何高效处理75个深度相机数据，为AVP系统提供精准的环境感知能力。
用AirSim+Python搞点酷的：手把手教你从无人机视角生成3D点云地图（附完整代码）
最新发布
weixin_42528974的博客
04-21 313
本文详细介绍了如何利用AirSim仿真平台和Python代码，从无人机视角生成3D点云地图。通过深度图获取、处理及点云生成的核心算法，结合Open3D可视化技术，实现空间重建的完整流程。文章还涵盖了环境配置、数据采集、多帧点云拼接等实战技巧，为自动驾驶和机器人SLAM技术提供实用解决方案。
[计算机]深度相机获取的稀疏点云数据的自动分类方法
Hai_Lang_IT的博客
11-19 790
计算机毕业设计之深度相机稀疏点云分类:在基于激光的自动驾驶或者移动机器人的应用中，在移动场景中提取单个对象的能力是十分重要的。因为这样的系统需要在动态的感知环境中感知到周围发生变化或者移动的对象，在感知系统中，将图像或者点云数据预处理成单个物体是进行进一步分析的第一个步骤。
避坑指南：用PCL处理深度相机点云时，为什么你的欧式聚类总失败？（附代码调试技巧）
weixin_42526415的博客
04-12 311
本文深入分析了使用PCL处理深度相机点云时欧式聚类失败的五大常见原因，包括坐标转换误差、体素滤波参数不当、聚类参数设置不合理、地面干扰处理不足等，并提供了详细的调试技巧和代码示例。特别针对深度相机和障碍物检测场景，给出了实用的解决方案，帮助开发者提升点云处理效率和准确性。
点云感知(一):基于深度图的聚类算法与源码解析
zwhdldz的博客
08-25 2117
讲解基于深度图的点云聚类算法，并详细讲解代码
双目相机在机器人避障中的应用：如何用Python+OpenCV实现实时测距
weixin_29056781的博客
03-02 268
本文详细介绍了双目相机在机器人避障中的核心应用，通过Python和OpenCV实现实时测距。内容涵盖从双目视觉的三角测量原理、相机标定、立体校正、立体匹配到三维重建的完整工程流程，并重点分享了在树莓派等嵌入式平台上的性能优化策略与实战经验，为机器人提供了一种成本可控的深度感知解决方案。
Infinigen项目中的地面真实标注技术解析
gitblog_00544的博客
06-06 377
Infinigen是一个强大的3D场景生成工具，它不仅能够生成逼真的3D场景，还能提供丰富的地面真实(Ground Truth)标注数据。这些标注数据对于计算机视觉研究、机器学习模型训练等领域具有重要价值。本文将深入解析Infinigen项目中提供的各种地面真实标注技术。 ## 标注类型概览 Infinigen提供了两种主要的标注生成方式： 1. **Blender内置标注**：使用Blen...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值