- 博客(20)
- 收藏
- 关注
RSS订阅原创 【科研人必备图像测量】超简单的ImageJ根据比例测量实际长度面积
视觉测量：工具：ImageJ（下载地址1：https://imagej.en.softonic.com/）操作系统：Windows〇：双击打开exe文件一：打开文件方式1：File->Open方式2：将图片文件拖动到ImageJ窗口内二：设置标尺比例1.点击直线工具2.描绘标尺线段（已知该线段实际长度，本例线段实际长度为1cm）3.设定尺度比例Analyze -> Set ScaleKnown distan...
2021-04-13 20:28:38
21126
原创 PCN学习笔记--数据集的制作
在使用PCN的代码时，遇到问题~我想制作PCN的数据集，需要从ShapeNet.V1渲染（应该是这样吧？）运行github上的源代码，文件夹render里的“render_depth.py”时中途结束了，不知道有没有跟我遇到同样问题的？系统：Centos控制台输出如下：Blender 2.91.0 (hash 0f45cab862b8 built 2020-11-25 08:51:08)found bundled python: /home/pjw/software/blender-2.91.0
2021-01-17 22:30:00
1031
2
原创 PCL学习过程中的报错记录
点云分割区域生长分割算法region_growing_segmentation.cpp报错：错误 C2440 “初始化”: 无法从“boost::shared_ptr<pcl::search::Searchpcl::PointXYZ>”转换为“std::shared_ptr<pcl::search::Searchpcl::PointXYZ>” 解决办法：boost::shared_ptr 不再使用了，应改为std::shared_ptr...
2020-08-08 13:32:22
1161
3
原创 OPEN3D学习笔记（六）——Multiway registration
OPEN3D学习笔记（六）Multiway registrationInputPose graphVisualize optimizationMake a combined point cloudMultiway registration多向配准是在全局空间中对齐多个几何图形的过程。通常，输入是一组几何图形（例如，点云或RGBD图像） {Pi}。输出是一组刚性变换{Ti} ，因此变换后的点云{TiPi}在全局空间中对齐。Input读取，并下采样# 返回的是一个list，里面都是降采样的（如果体素大
2020-05-29 23:34:44
1999
1
原创 OPEN3D学习笔记（五）——Point cloud outlier removal
OPEN3D学习笔记（五）Point cloud outlier removalPrepare input dataSelect down sampleStatistical outlier removalRadius outlier removalPoint cloud outlier removal去除离群点Prepare input data准备输入数据：加载点云文件、进行下采样print("Load a ply point cloud, print it, and render it")
2020-05-29 20:59:26
5673
4
原创 OPEN3D学习笔记（四）——Global registration
OPEN3D学习笔记（四）Global registrationExtract geometric featureGlobal registration这个通常产生不太严格的对齐结果，并用作局部方法的初始化。因为 ICP registration 和Colored point cloud registration都依赖于一个粗略的初始矩阵Extract geometric feature...
2020-05-26 13:09:21
5161
9
原创 OPEN3D学习笔记（三）——KDTree & ICP Registration
这OPEN3D学习笔记（三）RGBD imagesRedwood datasetRGBD imagesOpen3D具有用于图像的数据结构。它支持各种功能，例如read_image，write_image，filter_image和draw_geometries。Open3D图像可以直接与numpy数组转换。Open3D RGBDImage由两个图像RGBDImage.depth和RGBDImage.color组成。我们要求将两个图像注册到相同的相机框架中，并具有相同的分辨率。以下教程显示了如何从许多众
2020-05-26 01:27:12
4028
7
原创 OPEN3D学习笔记（二）——Mesh & Transformation
OPEN3D学习笔记（二）Mesh可视化Mesh表面法线估计裁剪Mesh上颜色Mesh网格属性MeshOpen3D具有3D三角形网格的数据结构，称为TriangleMesh。下面的代码显示了如何从层中读取三角形网格并打印其顶点和三角形。print("Testing mesh in open3d ...")mesh = o3dtut.get_knot_mesh()print(mesh)print('Vertices:')print(np.asarray(mesh.vertices)) # 每个
2020-05-25 16:52:41
3947
原创 OPEN3D学习笔记（一）——File IO & Point Cloud
OPEN3D学习笔记（一）安装File IOPointcloudMeshImagePointCloud可视化点云安装这个在linux下，按照官方教程给的提示，没出问题。其中换了清华镜像源可以快一点。File IOPointcloudprint("Testing IO for point cloud ...")pcd = o3d.io.read_point_cloud("../../TestData/fragment.pcd")print(pcd) # 可以打印这个点云的点数o3d.io.w
2020-05-24 20:41:33
10153
28
原创 【西瓜书阅读笔记】第9章 聚类
第9章 聚类9.1 聚类任务9.2 性能度量9.3 距离计算三级目录9.1 聚类任务无监督学习任务中，研究最广泛——聚类聚类：试图将数据集的样本划分为若干个通常不相交的子集，每个子集称为一个“簇”聚类算法涉及2个基本问题：性能度量距离计算9.2 性能度量性能度量，也称有效性指标希望：簇内相似度高，且簇间相似度低聚类的性能度量大致有两类：外部指标：将聚类结果与某个参考模型...
2020-04-21 17:54:54
322
原创 【西瓜书阅读笔记】第8章 集成学习
第8章 集成学习8.1 个体与集成8.2 Boosting8.3 Bagging 与随机森林8.3.1 Bagging8.3.2 随机森林8.1 个体与集成集成学习：通过构建并结合多个学习器来完成学习任务（也称多分类器系统、基于委员会的学习）同质集成：个体学习器（基学习器、基学习算法）类型相同异质集成：个体学习器（组件学习器）由不同算法生成对于分类问题，使用3个不同个体分类器，可以用投...
2020-04-18 22:34:53
287
原创 【西瓜书阅读笔记】第7章 贝叶斯分类器
第7章 贝叶斯分类器7.1 贝叶斯决策论7.2 极大似然估计二级目录三级目录7.1 贝叶斯决策论在概率框架下决策下面以多分类为例期望损失（或称为风险）：判定准则：最小化总体风险贝叶斯判定准则：为最小化总体风险，只需在每个样本上选择哪个能使条件风险最小的类别标记贝叶斯最优分类器：贝叶斯风险：想要用贝叶斯判定准则来最小化决策风险，首先要获得后验概率。由于后验概率实际上难以获取，机器...
2020-04-15 02:26:31
595
原创 【西瓜书阅读笔记】第三章 决策树
第三章 决策树4.1 基本流程4.2 划分选择4.2.1 信息增益4.2.2 增益率4.2.3 基尼指数4.3 剪枝处理4.3.1 预剪枝4.3.2 后剪枝4.4 连续与缺失值4.4.1 连续值处理4.4.2 缺失值处理（跳过）4.5 多变量决策树4.1 基本流程创建树对数据进行分类（或者回归）。根结点，内部结点（属性测试），叶结点（决策的结果）4.2 划分选择关键：如何划分（希望结点的...
2020-04-13 23:00:53
257
原创 PCL使用ConditionalRemoval移除离群点报错解决
目录ConditionalRemoval报错报错内容解决方法ConditionalRemoval报错相信很多人，在刚开始学习PCL的时候，都会先学习PCL官网上放出的tutorials教程。我也一样。一边运行官网给出的样例程序example，一边阅读样例程序的代码，个人感觉这样学得挺好的（自我感觉良好）。下面的代码选自《点云库PCL学习编程》里，第6章 点云滤波，6.2.6 移除离群点。（...
2020-04-05 02:33:08
1233
22
原创 SDK的使用记录（二）-语音识别（二）
当实现项目没有用到人脸识别模块时，可通过startConversation函数和resetConversation函数控制对话的上下文，即代表一次session会话。在调用startConversation () 方法之后到调用resetConversation()方法之前的这段时间里，语音功能模块会把使用者当做是同一个人，并且语境相同。调用resetConversation()方法之后，被认为当...
2020-03-09 16:28:40
177
原创 记录SDK的使用（一）语音识别
集成好之后，使用语音识别RobotSDKEngine.getInstance() //运用这个，后面点调用各种函数 public void registerSpeechListener(SpeechCallBack callBack)：注册语音识别监听器 参数： SpeechCallBack callBack：一个语音识别的listener，详情点击这里(SpeechCallBack...
2020-03-09 15:34:52
287
原创 PCL的安装与编译运行
之前弄过linxu下编译源码安装，虽然能用，但还会经常出现各种问题。我认怂了，先在Windows下用着吧。1.在Windows下安装all-in-one1. 双击，路径可以改在其他盘2. 安装到openni的时候，把路径改为pcl下的3dr。。。（忘了）文件夹下的openni3. 安装好后，设置环境变量，系统自动有PCL_ROOT，所以直接在path里添加就可以了%PCL_RO...
2020-03-04 18:40:55
977
1
原创 梯度校验
现在你需要编写一些代码来验证反向传播函数的正确性。梯度检查的步骤如下：np.linalg.norm（求范数）---------------------版权声明：本文为CSDN博主「何宽」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/u013733326/article/detail...
2019-08-12 15:18:02
238
原创 dropout正则化
今天开始写博客哈，记录一下学习生活，这是第一篇。解释一下，keep_prob是一个概率，表示保留下来的节点数（<=1） 前向传播： D1 = np.random.rand(A1.shape[0],A1.shape[1]) #步骤1：初始化矩阵D1 = np.random.rand(..., ...) D1 = D1 < keep_pro...
2019-08-11 21:54:32
186
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人