python-pcl GPU、输入输出模块教程翻译
GPU Tutorials
配置你的電腦以在PCL中使用Nvidia GPU
該教程解釋怎么配置PCL已使用Nvidia GPU
使用Kinfu大比例尺生成紋理網格
該教程演示如何使用KinFu大比例尺從房間生成網格，并在后期處理中應用紋理信息以獲得更吸引人的視覺效果。
使用點云庫檢測人及他們的姿勢
該教程提供了一個人及其姿勢檢測的方法。
Input and Output Tutorials
PCD (Point Cloud Data)文件格式
該文檔介紹了PCD文件格式以及在PCL中的使用方式。
從PCD文件中讀取點云數據
該教程中，我們將學習怎么從PCD文件讀取點云
寫點云數據到PCD文件
該教程中我們將學習怎么寫入點云數據到PCD文件
倆份點云數據的相加
在本教程中，我們將學習如何連接兩個點云的字段和點數據。串聯字段時，一個點云僅包含XYZ數據，另一個包含Surface法線信息。
PCL中的OpenNI Grabber框架
在本教程中，我們將學習如何從OpenNI攝像機獲取點云數據。
Velodyne高清點云（Velodyne High Definition LiDAR）采集器
在本教程中，我們將學習如何從Velodyne HDL中獲取點云數據。
The PCL Dinast Grabber Framework
In this tutorial, we will learn how to acquire point cloud data from a Dinast camera.
PCL Dinast捕獲器框架
在本教程中，我們將學習如何從Dinast相機獲取點云數據。
從Ensenso相機抓取點云
在本教程中，我們將學習如何從IDS-Imaging Ensenso攝像機獲取點云數據。
davidSDK掃描儀捕獲點云/網格
在本教程中，我們將學習如何從davidSDK掃描儀獲取點云或網格數據。
從DepthSense相機抓取點云
在本教程中，我們將學習如何在Linux和Windows平臺上的PCL中安裝配置和使用DepthSense攝像機。
KeyPoint Tutorials
如何從深度圖像中提取NARF（Noraml Alighed Radial Feature）關鍵點
在本教程中，我們將學習如何從深度圖像中提取NARF關鍵點。
TestCode : examples/official/keypoints/narf_keypoint_extraction.py
點云數據主要是表征目標表面的海量點集合，并不具備傳統實體網格數據的幾何拓撲信息。點云處理中最核心的問題就是建立離散點間的拓撲結構。
劃分空間的索引結構有：k-d tree，八叉樹、四叉樹、BSP樹、KDB樹，R樹，R+樹等；
利用kdtree【k-維樹】和octree【八叉樹】 對海量點云進行高效壓縮存儲與管理；
K近鄰搜索操作的框架是基于FLANN（Fast Library For Approximate Nearest Neighbors）。
KdTree Tutorials
如何使用KdTree進行搜索
在本教程中，我們將學習如何使用最近鄰方法搜索k-d樹。
TestCode : examples/official/kdtree/kdtree_search.py
用k-d tree找到具體點或空間位置的k近鄰
kdtree.py
KdTree 也稱為K維樹，用來組織表示K維空間中的點集合。
通常只在三個維度中處理，因此可稱為3維k-d樹。
KdTree、 Octree（八叉樹），都是點云數據中索引的一種，為了快速索引以及無損的壓縮點云而設計的。
體素內近鄰搜索 （Neighbors with Voxel Search） 它把查詢點所在的體素中的其他點的索引作為查詢結果返回
K近鄰搜索（K Nearest Neighbor Serach）
半徑內近鄰搜索（Neighbor with Radius Search）
Octree Tutorials
點云壓縮（Compression）
In this tutorial, we will learn how to compress a single point cloud and streams of point clouds.
在本教程中，我們將學習如何壓縮單點云和點云流。
基于八叉樹（Octrees）的空間劃分和搜索操作
在本教程中，我們將學習如何使用八叉樹進行空間分區和最近鄰居搜索。
TestCode : examples/official/octree/octree_search.py
無序點云的空間變化檢測
該教程中，我們將學習使用八叉樹來檢測點云中的空間變化。
TestCode : examples/official/octree/octree_change_detection.py
cloudB 相比點云 cloudA 發生變化的部分
缺點: 只能探測 cloudA基礎上新增的點集,并不能探測cloudA上減少的點集合
RangeImage Tutorials
深度圖像（Depth Images），也被稱為距離影像（Range Image），是指將圖像采集器到場景中各點的距離（深度）值作為像素值的圖像，它直接反應了景物可見表面的幾何形狀，利用它可以很方便地解決3D目標中的許多問題。
如何從點云創建深度圖像
本教程演示了如何從點云和給定的傳感器位置創建距離圖像。
如何從深度圖像中提取邊框
本教程演示了如何從深度圖像中提取邊界（從前景到背景的遍歷）。
TestCode : examples/official/RangeImage/range_image_border_extraction.py
Recognition Tutorials
3D Object Recognition based on Correspondence Grouping
This tutorial aims at explaining how to perform 3D Object Recognition based on the pcl_recognition module.
基于對應分組的3D對象識別
本教程旨在說明如何基于pcl_recognition模塊執行3D對象識別。
隱式形狀模型
在本教程中，我們將學習隱式形狀模型算法（Implicit Shape Model algorithm）的工作原理以及如何使用它來查找對象中心。
教程：3D對象識別的假設驗證（Hypothesis Verification）
本教程旨在通過驗證雜亂和嚴重遮擋的3D場景中的模型假設，來說明如何在雜亂的場景中進行3D對象識別。
Registration Tutorials（配準教程）
PCL注冊API
在本文中，我們描述了點云注冊API及其模塊：點相關性（Point correspondences）的估計和拒絕，以及剛性變換（rigid transformations）的估計。
如何使用迭代最近點算法（iterative closest point algorithm）
本教程提供了一個示例，說明如何使用迭代最近點算法來查看一個點云是否只是另一個點云的剛性轉換。
TestCode : examples/official/Registration/iterative_closest_point.py
如何增量注冊云對
本文檔演示了使用迭代最接近點算法以逐個遞增地注冊一系列點云的過程。
交互式迭代最近點
本教程將教您如何構建交互式ICP程序。
如何使用正態分布變換（Normal Distributions Transform）
本文檔演示了使用正態分布變換算法來注冊兩個大點云。
TestCode : examples/official/Registration/normal_distributions_transform.py
手持式小型物品掃描儀
本文檔說明了如何使用手持式掃描儀應用程序通過RGB-D相機獲取小物體的彩色模型。
剛性物體的位姿估計（Robust pose estimation of rigid objects）
在本教程中，我們展示了如何在具有雜波和遮擋的（clutter and occlusions）場景中找到剛體的對齊姿勢。
TestCode : examples/official/Registration/alignment_prerejective.py
Sampleconsensus Tutorials（樣本教程）
如何使用隨機采樣一致性模型（Random Sample Consensus model）
在本教程中，我們學習如何將RandomSampleConsensus與平面模型一起使用，以獲取適合該模型的點云。
TestCode : examples/official/SampleConsensus/random_sample_consensus.py
python-pcl 隨機采樣一致性算法支持的類型： 平面、線、圓柱體、球體、
SampleConsensusModel
SampleConsensusModelCylinder 圓柱體
SampleConsensusModelLine 線
SampleConsensusModelPlane 平面
SampleConsensusModelRegistration
SampleConsensusModelSphere 球體
SampleConsensusModelStick 用戶給定范圍的線（A stick is a line with an user given minimum/maximum width. ）
segmentation Tutorials
Plane model segmentation（平面模型分割）
在本教程中，我們將學習如何從給定的點云數據集中分割任意（arbitrary）平面模型。
TestCode : examples/official/Segmentation/Plane_model_segmentation.py
圓柱模型分割（Cylinder model segmentation）
在本教程中，我們將學習如何從給定的點云數據集中分割任意圓柱模型。
TestCode : examples/official/Segmentation/cylinder_segmentation.py
檢索出一個圓柱體的牛奶盒子。
歐氏聚類提取（Euclidean Cluster Extraction）
在本教程中，我們將學習如何使用pcl::EuclideanClusterExtraction類提取歐幾里德簇。
TestCode : examples/official/Segmentation/cluster_extraction.py
基于區域增長的分割（Region growing segmentation）
在本教程中，我們將學習如何使用區域增長分割算法。
基于顏色的區域增長分割（Color-based region growing segmentation）
在本教程中，我們將學習如何使用基于顏色的區域增長分割算法。
最小割集的分割（Min-Cut Based Segmentation）
在本教程中，我們將學習如何使用基于最小割集的分割算法。
條件歐氏聚類（Conditional Euclidean Clustering）
本教程介紹如何在PCL中使用條件歐幾里德聚類：一種基于歐幾里德距離和用戶自定義條件的對點進行聚類的分割算法。
基于正態差分的分割（Difference of Normals Based Segmentation）
在本教程中，我們將學習如何使用法線的差異特征（the difference of normals feature）進行分割。
點云聚類成超體素的理論基礎（Clustering of Pointclouds into Supervoxels - Theoretical primer）
在本教程中，我們將演示如何將點云分解為中級超體素表示。
基于漸進形態濾波分割的地面回波識別（Identifying ground returns using ProgressiveMorphologicalFilter segmentation）
在本教程中，我們將演示如何將點云分割為地面和非地面返回。
使用ModelOutlierRemoval模型過濾點云（Filtering a PointCloud using ModelOutlierRemoval）
本教程介紹如何使用SAC模型從點云中提取點。
surface Tutorials（曲面重建教程）
根據重建曲面和數據點云之間的關系可將曲面重建分為倆大類： 插值法和逼近法。使得重建曲面是原始點集的一個逼近。
泊松重建、MC重建、Ear Clipping（三角化算法）
ConvexHull 凸包算法。在一個實數向量空間中，對于給定集合X，所有包含X的凸集的交集S被稱為X的凸包。應用：二維的面積計算，三維的體積估計應用。
Ear Clipping（三角化算法）：是一個把多邊形三角化的算法。多邊形的一個頂點和相鄰倆個頂點構成一個三角形，并且其內部不存在多邊形的頂點，切掉，切下來的就稱之為ear。循環這個過程，切下去，一個多邊形被分為多個三角形。
surface : 點云平滑、重采樣、建立凸包、快速點云三角化等算法。
基于多項式平滑點云和法線估計的曲面重建（Smoothing and normal estimation based on polynomial reconstruction）
TestCode : examples/official/Surface/resample.py
原始點云圖：
處理后的點云：
在本教程中，我們將學習如何構造和運行移動最小二乘（MLS Moving Least Squares）算法以獲得平滑的XYZ坐標和法線。
在平面模型上構建凸凹多邊形（Construct a concave or convex hull polygon for a plane model）
在本教程中，我們將學習如何為平面所支持的一組點計算簡單的2D凹面或凸面船體多邊形。
TestCode : examples/official/Surface/concave_hull_2d.py
無序點云的快速三角剖分（Fast triangulation of unordered point clouds）
在本教程中，我們將學習如何在基于局部鄰域的投影上，使用法線在點云上運行貪心三角剖分算法以獲得三角形網格。
將修剪的B樣條曲線擬合到無序點云（Fitting trimmed B-splines to unordered point clouds）
在本教程中，我們將學習如何通過擬合修剪的B樣條曲線從無序點云重構平滑表面。
總結
以上是生活随笔為你收集整理的python-pcl GPU、输入输出模块教程翻译的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python dlib实现面部标志识别
- 下一篇： Image Processing图像处理