文件名称：matlab中云滴代码-nmsac:非最小随机样本共识
文件大小：642KB
文件格式：ZIP
更新时间：2024-06-22 07:29:10
系统开源
matlab中云滴代码非最小样本共识nmsac 这个 repo 建立在 CVPR2019 论文中提出的想法之上。 大部分框架来自原作者的 ，翻译成 C++ 并用于处理矩阵和向量。 SDRSAC 的核心是采用抽样和共识策略，例如 . 然而，通过非最小二次采样，获得更高质量的运动假设比从 RANSAC 获得的运动假设快得多。 在两个点云src和tgt之间实现非最小样本一致性的基本工作流程是： Algorithm 1: NMSAC In: src, tgt, config Out: H, homogeneous transformation that best maps src onto tgt, number of inliers, number of iterations Initialize loop: sample a set of config.N points from src (and mark the points that have been chosen) loop: sample a set of config.N points from tgt (and mark t
【文件预览】：
nmsac-develop
----.circleci()
--------config.yml(2KB)
----CMakeLists.txt(961B)
----.gitignore(55B)
----README.md(6KB)
----bindings()
--------CMakeLists.txt(275B)
--------README.md(246B)
--------python()
----tests()
--------main.cpp(145B)
--------CMakeLists.txt(2KB)
--------transforms()
--------nmsac()
--------correspondences()
--------cmake()
--------data()
----transforms()
--------CMakeLists.txt(297B)
--------README.md(749B)
--------icp()
--------svd()
--------common()
----nmsac()
--------CMakeLists.txt(1KB)
--------README.md(591B)
--------include()
--------src()
----correspondences()
--------graph()
--------CMakeLists.txt(479B)
--------README.md(1KB)
--------qap()
--------common()
--------mc()
----docker()
--------Dockerfile(2KB)
--------deps()
--------run-docker.sh(258B)
--------build-docker.sh(75B)
----cmake()
--------FindMLPACK.cmake(2KB)
----figures()
--------Figure_1.png(109KB)
--------Figure_2.png(110KB)
----scripts()
--------run_coverage.sh(477B)
--------run_tests.sh(282B)
--------wrapper-test.py(8KB)
--------linter.sh(180B)
----LICENSE.md(11KB)