点云配准从入门到精通
正版图书 真实库存欢迎选购 套装图书先联系再下单 套装图书请先咨询客服再下单
￥ 69.16 6.3折 ￥ 109 全新
库存4件
河北保定
认证卖家担保交易快速发货售后保障
作者郭浩 编著
出版社机械工业出版社
ISBN9787111721826
出版时间2023-03
装帧平装
开本16开
定价109元
货号31707598
上书时间2024-11-13
- 在售商品 暂无
- 平均发货时间 25小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
郭浩，PCL(PointCloudLearning)中(www.pclcn.org)创始人之一。2008年开始B的外服的国相关行业的传道、授业和解惑。在点云据获取处理领域，公开发表EI/SCl论文十余及相关著作两本。
目录
前言硬核技术篇第1章 绪论1.1什么是三维点云1.2点云数据获取技术1.2.1接触式1.2.2非接触式1.3什么是点云配准1.3.1刚性配准1.3.2非刚性配准1.4三维点云配准应用领域1.4.1机器人及无人驾驶领域1.4.2测绘遥感领域第2章 配准相关数学基础2.1空间变换及其参数化2.1.1什么是欧式变换与变换矩阵2.1.2什么是轴角2.1.3什么是欧拉角2.1.4什么是四元数2.1.5其他空间变换2.2空间变换的不同表示之间的互相转换与实战2.2.1旋转矩阵与轴角2.2.2旋转矩阵与欧拉角2.2.3旋转矩阵与四元数2.2.4轴角与四元数2.2.5轴角与欧拉角2.2.6欧拉角与四元数2.2.7空间变换实战2.3对应点已知时优变换求解原理与实战2.3.1刚性变换的问题描述2.3.2优平移向量求解2.3.3优旋转矩阵求解2.3.4反射矩阵消除2.3.5基于SVD刚性变换矩阵计算流程总结2.3.6SVD估计变换矩阵的关键代码分析2.3.7SVD变换矩阵估计算法应用案例第3章 关键点检测3.1什么是点云关键点检测3.1.1关键点检测的概念与作用3.1.2关键点检测的发展3.2ISS（内蕴形状特征）3.2.1ISS检测原理3.2.2【实战】基于ISS关键点检测点云配准3.3NARF（法线对齐的径向特征）3.3.1NARF检测原理3.3.2【实战】基于NARF关键点检测点云配准3.4Harris3.4.1Harris检测原理3.4.2【实战】基于Harris关键点检测点云配准3.5SIFT 3D3.5.1SIFT 3D检测原理3.5.2【实战】基于SIFT 3D关键点检测点云配准3.6SUSAN3.6.1SUSAN检测原理3.6.2【实战】基于SUSAN关键点检测点云配准3.7AGAST（角点检测）3.7.1AGAST检测原理3.7.2【实战】基于AGAST关键点检测点云配准3.8在点云配准任务上各个关键点检测表现对比第4章 点云特征描述子4.1什么是点云特征描述子4.2Spin Image（旋转图像）4.2.1Spin Image特征描述子原理4.2.2【实战】Spin Image配准实例4.33DSC（3D形状上下文特征）4.3.13DSC特征描述子原理4.3.2【实战】利用3DSC进行ICP精配准4.4PFH（点特征直方图）4.4.1PFH特征描述子原理4.4.2【实战】PFH计算与对应点可视化4.5FPFH（快速点特征直方图）4.5.1FPFH特征描述子原理4.5.2【实战】FPFH计算与对应点可视化4.6SHOT（方向直方图）4.6.1SHOT特征描述子原理4.6.2【实战】SHOT计算与对应点可视化4.7VFH（视点特征直方图）4.7.1VFH特征描述子原理4.7.2【实战】点云VFH特征提取实例4.8在废钢点云上对比实验算法应用篇第5章 经典刚性配准算法5.1稀疏迭代近点算法（Sparse ICP）5.1.1Sparse ICP发明者5.1.2Sparse ICP算法设计的灵感、应用范围、优缺点和泛化能力5.1.3Sparse ICP算法原理描述5.1.4Sparse ICP算法实现及关键代码分析5.1.5Sparse ICP实战案例测试及结果分析5.2快速鲁棒的ICP（Fast and Robust Iterative Closest Point）5.2.1快速鲁棒的ICP发明者5.2.2快速鲁棒的ICP算法设计的灵感、应用范围、优缺点和泛化能力5.2.3快速鲁棒的ICP算法原理5.2.4快速鲁棒的ICP算法实现及关键代码分析5.2.5快速鲁棒的ICP实战案例测试及结果分析5.3泛化的近点迭代法（Generalized-ICP）5.3.1Generalized-ICP发明者5.3.2Generalized-ICP算法原理描述5.3.3Generalized-ICP算法实现及关键代码分析5.3.4Generalized-ICP实战案例测试及结果分析5.4全局迭代近点算法（Global Iterative Closest Point，GoICP）5.4.1GoICP发明者5.4.2GoICP算法设计的灵感、应用范围、优缺点和泛化能力5.4.3GoICP算法的原理描述5.4.4GoICP算法实现及关键代码分析5.4.5GoICP实战案例分析、算法测试过程及结果分析5.5针对环境构图的全局一致性扫描点云数据对齐（Graph SLAM）5.5.1Graph SLAM发明者5.5.2Graph SLAM算法设计的灵感、应用范围、优缺点5.5.3Graph SLAM算法原理描述5.5.4Graph SLAM算法实现及关键代码分析5.5.5Graph SLAM算法测试过程及结果分析5.6Multiview LM-ICP 配准算法5.6.1Multiview LM-ICP配准算法背景介绍5.6.2Multiview LM-ICP配准算法原理描述5.6.3Multiview LM-ICP配准算法实现及代码分析5.6.4Multiview LM-ICP配准实战案例分析5.7基于正态分布变换的配准算法（NDT）5.7.1NDT配准算法发明者5.7.2正态分布变换配准算法设计的灵感、应用范围和优缺点5.7.3正态分布变换配准算法原理描述5.7.4正态分布变换配准算法实例及其关键代码分析5.8SDRSAC：基于半正定的随机点云配准算法5.8.1SDRSAC发明者5.8.2SDRSAC算法设计的灵感、应用范围和优缺点5.8.3SDRSAC算法原理描述5.8.4SDRSAC实现的关键代码分析5.8.5SDRSAC实战案例分析5.9PointDSC：利用深度空间一致性的鲁棒性点云配准算法5.9.1PointDSC发明者5.9.2PointDSC算法设计的灵感、应用范围、优缺点和泛化能力5.9.3PointDSC算法原理描述5.9.4PointDSC算法实现及关键代码分析5.9.5PointDSC算法测试过程及结果分析5.10体素化广义迭代近点配准算法（VGICP）5.10.1VGICP发明者5.10.2VGICP算法设计的灵感、应用范围和优缺点5.10.3VGICP算法原理描述5.10.4VGICP算法实现及关键代码分析5.10.5VGICP算法实战案例测试及结果分析5.11SAC-IA初始配准算法5.11.1SAC-IA发明者5.11.2SAC-IA算法应用范围和优缺点5.11.3SAC-IA算法原理描述5.11.4SAC-IA算法实现及关键代码分析5.11.5SAC-IA算法实战案例测试及结果分析5.12Super 4PCS配准算法5.12.1Super 4PCS发明者5.12.2Super 4PCS算法设计的灵感、应用范围和优缺点5.12.3Super 4PCS算法原理描述5.12.4Super 4PCS算法实现及关键代码分析5.12.5Super 4PCS实战案例测试过程及结果分析5.13K-4PCS点云配准算法5.13.1K4PCS点云配准发明者5.13.2K4PCS算法设计的灵感、应用范围和优缺点5.13.3K-4PCS算法原理描述5.13.4K-4PCS算法实现及关键代码分析5.13.5K-4PCS实战案例分析、算法测试过程及结果分析第6章 经典非刚性配准算法6.1具有重加权位置和变换稀疏性的鲁棒非刚性配准算法（RPTS）6.1.1RPTS发明者及算法概述6.1.2RPTS算法原理描述6.1.3RPTS算法的实现及关键代码分析6.1.4RPTS算法测试过程及结果分析6.2Fast_RNRR基于拟牛顿法求解的鲁棒非刚性配准算法（QuasiNewton Solver for Robust NonRigid Registration）6.2.1Fast_RNRR基于拟牛顿法求解的鲁棒非刚性配准算法概述6.2.2Fast_RNRR算法原理描述6.2.3Fast_RNRR算法实现及关键代码分析6.2.4Fast_RNRR实战案例与算法测试分析6.3非刚性ICP算法6.3.1非刚性ICP算法发明者6.3.2非刚性ICP算法设计的灵感、应用范围和泛化能力6.3.3非刚性ICP算法原理描述6.3.4非刚性ICP实战案例及关键代码分析6.3.5非刚性ICP测试过程及结果分析6.4基于高斯混合模型的鲁棒点集配准算法6.4.1基于高斯混合模型的鲁棒点集配准算法发明者6.4.2鲁棒高斯混合模型算法设计的灵感、应用范围、优缺点和泛化能力6.4.3鲁棒高斯混合模型算法原理描述6.4.4鲁棒高斯混合模型算法实现及关键代码分析6.4.5鲁棒高斯混合模型实战案例分析6.5一致点漂移算法（CPD）6.5.1CPD发明者6.5.2CPD算法设计的灵感、应用范围、优缺点和泛化能力6.5.3CPD算法原理描述6.5.4CPD实战案例及关键代码分析6.5.5CPD测试过程及结果分析
内容摘要
三维点云处理技术广泛应用在逆向工程、CAD/CAM、机器人学、测绘遥感、机器视觉、虚拟现实、人机交互、无人驾驶和元宇宙等诸多领域。点云配准作为三维视觉领域的一个重要分支，已有40多年的发展历史，本书则系统性地对近些年来已经成熟的算法和工具进行梳理和总结。全书分两部分，第一部分为硬核技术篇（第1~4章），详细介绍了点云配准概念、应用领域，以及点云配准必要的数理知识，最后对点云配准过程中相关关键步骤（如关键点提取、特征描述等）所涉及的经典算法进行理论与实战的多维展示，为读者深入了解复杂配准算法做好前期理论与技术储备工作。第二部分为算法应用篇（第5~6章），涵盖了十几个开源的刚性与非刚性配准经典算法，从算法原理、理论基础、技术实现、应用案例及优缺点等方面进行详细介绍，以算法的源码实现分析来帮助读者搞清楚每一个算法的细节与计算过程。最终通过算法的应用案例分析，让读者从理论、技术和应用层面重新评价与认识每一个算法，助力产业界的读者快速将相关技术应用落地，学术界的读者快速系统地完成入门与提升。随书附赠程序源代码、案例高清效果图和结果视频，以及授课用PPT，力求从多个角度提升读者阅读体验和知识含量。本书可作为科研人员和公司产品开发工程师的参考指南，也可作为计算机图形学、机器人学、遥感测量、虚拟现实、人机交互、CAD／CAM逆向工程等领域相关专业的高年级本科生、研究生的学习手册。
主编推荐
点云配准是计算机视觉的核心任务之一，在诸多工程技术领域中具有重要应用，如机器视觉、无人驾驶、元宇宙、虚拟现实、逆向工程、人机交互、测绘遥感、机器人学和CAD/CAM等。其理论技术发展已有40多年历史。本书由PCL(Point Cloud Learning) 中国创始人团队及测绘、三维视觉领域多位科研专家联合编写，系统性地对已经成熟并广泛应用的算法和技术进行了深度解析和总结。
— 没有更多了 —
以下为对购买帮助不大的评价