Open3d点云处理之根据鞍座斜面预估钢卷中心坐标

【AI应用进阶之旅】LangChain大语言模型LLM面试题:LangChain 基础知识 本文梳理了LangChain基础面试题,涵盖核心组件(如ChatModel、PromptTemplate、OutputParser、Runnable等)、模型调用、提示词管理、消息类型及流式/异步调用机制。通过代码示例解析了从模型调用到流程编排的完整开发流程,强调LCEL与Runnable在现代LangChain应用中的核心地位,助力开发者掌握RAG、Agent等进阶技术的基础能力。 阅读详情

本文章应用于钢卷库自动装卸场景中的一处应用,根据货车上的鞍座位置信息,预估出放置钢卷中心的位置坐标。具体方法请参考文献内容,这里不做详细解释。其中代码85行H+5这个5为测试误差,加上5正好符合实际坐标。单位mm

语言:Python

点云处理工具:Open3d==0.17

参考文献:[1]谭云月.基于点云数据的钢卷装卸自动定位系统的设计与实现[D].重庆大学,2017.

import open3d as o3d
import numpy as np
#鞍座放置位置
estimate_cyliner = np.array([])
#定义一个预估函数
def estimate_Cyliner_axle(pcd,R,esp=10,min_points=3,print_progress=False):
    """

    :param pcd: 点云数据
    :param R: 钢卷半径
    :param esp: 范围阈值
    :param min_points: 最小点数
    :param print_progress: bool 打印处理过程
    :return:
    """
    #pcd.points To points
    points = np.array(pcd.points)
    #DBScan聚类
    labels = np.array(pcd.cluster_dbscan(esp,
                                         min_points,
                                         print_progress))
    max_label = labels.max()
    print(f"points cloud has {max_label+1} cluters")
    #存放每一簇的点数
    clusters = {}
    #存放平面参数
    Param = {}
    for i in range(max_label+1):
        clusters_indices = np.where(labels==i)[0]#找出在labels中标签与i相等的索引
        cluster_points = np.asarray(pcd.points)[clusters_indices]#找出对应索引点的坐标
        pcd_plane = o3d.geometry.PointCloud()
        pcd_plane.points = o3d.utility.Vector3dVector(cluster_points)
        # 使用 RANSAC 算法拟合平面
        plane_model, inliers = pcd_plane.segment_plane(distance_threshold=0.01,
                                                       ransac_n=3,
                                                       num_iterations=1000)
        [a, b, c, d] = plane_model
        Param_name_1 = "a_" + str(i+1)
        Param_name_2 = "b_" + str(i+1)
        Param_name_3 = "c_" + str(i+1)
        Param_name_4 = "d_" + str(i+1)
        Param[Param_name_1] = a
        Param[Param_name_2] = b
        Param[Param_name_3] = c
        Param[Param_name_4] = d
    #两平面相交的直线方向向量l_intersect
    A = Param['b_1'] * Param['c_2'] - Param['c_1'] * Param['b_2']
    B = Param['a_2'] * Param['c_1'] - Param['a_1'] * Param['c_2']
    C = Param['a_1'] * Param['b_2'] - Param['b_1'] * Param['a_2']
    l_intersect = np.array([A,B,C])#相交直线法向量参数ABC
    k_x = ((Param['b_1'] * Param['d_2'] )- (Param['d_1'] * Param['b_2'])) / ((Param['a_1'] * Param['b_2']) - (Param['b_1'] * Param['a_2']))
    print(k_x)
    k_y = (Param['a_1'] * Param['d_2'] - Param['d_1'] * Param['a_2']) / (Param['b_1'] * Param['a_2'] - Param['a_1'] * Param['b_2'])
    k_z = 0
    k = np.array([k_x,k_y,k_z])
    new_array = np.empty((len(points),3))
    #投影每个点到直线上
    for i in range(len(points)):
        x_p = points[i, 0]
        y_p = points[i, 1]
        z_p = points[i, 2]
        K_fenzi_1 = np.array([x_p - k_x, y_p - k_y, z_p])
        K_fenzi = np.dot(K_fenzi_1, l_intersect)
        K = K_fenzi / (A ** 2 + B ** 2 + C ** 2)
        X = k_x + K * A
        Y = k_y + K * B
        Z = k_z + K * C
        # 将X、Y、Z的值分别赋值给new_array的每一行
        new_array[i] = [X, Y, Z]
    x_max = np.max(new_array[:, 0])
    x_min = np.min(new_array[:, 0])
    y_max = np.max(new_array[:, 1])
    y_min = np.min(new_array[:, 1])
    z_max = np.max(new_array[:, 2])
    z_min = np.min(new_array[:, 2])
    W_x = (x_max + x_min) / 2
    W_y = (y_max + y_min) / 2
    W_z = (z_max + z_min) / 2
    # 求α
    a11 = np.array([Param['a_1'], Param['b_1'], Param['c_1']])
    a22 = np.array([Param['a_2'], Param['b_2'], Param['c_2']])
    alpha = np.arccos((np.dot(a11, a22)) / (np.linalg.norm(a11) / np.linalg.norm(a22)))
    beter = (180 - alpha) / 2
    H = R / np.sin(beter)
    print("预估的圆心坐标为:",W_x,W_y,W_z+H+5)
    print(Param)
    print(k_x,k_y,k_z)
    print(A,B,C)

书旗app字符串加密分析 本文案例是对书旗app搜索接口的请求密文进行分析和逆向。 阅读详情

相关推荐

ADS仿真功率放大器实例学习笔记

ADS仿真功率放大器实例学习笔记

qq_36521926的博客 1万+

钢筋点云提取

该项目主要是处理采集的钢筋混凝土点云,首先将地面去除,然后按照聚类等方式进行处理,最终实现每根钢筋的分离和分割,以及计算每条钢筋之间的距离和夹角。

weixin_45196569的博客 698

SAP SM30数据维护实战:条件筛选与动态校验的实现技巧

本文详细介绍了SAP SM30数据维护的实战技巧,重点讲解如何通过条件筛选实现精准数据查取,以及利用表维护生成器事件实现动态数据检查与校验。文章提供了从基础视图创建到高级事件编程的完整流程,包括调用函数VIEW_MAINTENANCE_CALL传递筛选条件,以及在NEW_DATA和CHANGE_SAVE事件中编写业务规则校验逻辑,帮助开发者提升SM30的管控能力与数据质量。

q9w8e7r6t5的博客 523

Open3D处理点云数据(一)点云文件读取、写入、显示

import open3d as o3d import numpy as np pcd = o3d.geometry.PointCloud() # pcd类型的数据。 np_points = np.random.rand(100, 3) # 随机生成点云 # print(np_points.shape) # pcd = o3d.io.read_point_cloud("1.csv") # 将点云转换成open3d中的数据形式并用pcd来保存,以方便用open3d处理 pcd.points.

xiaoyaolangwj的博客 1万+

方差分解分析变量筛选与显著性计算

冗余分析(redundancy analysis,RDA)是一种回归分析结合主成分分析的排序方法,也是多响应变量(multiresponse)回归分析的拓展。在进行VPA时,首先就要对这些环境因子进行一个分类,然后在约束其它类环境因子的情况下,对某一类环境因子进行排序分析,这种分析也成为偏分析,即partialRDA。在地球环境科学的实际应用中,可以基于VPA结果得出不同类型的环境因素(如何气候、土壤性质以及植物)对生物群落组成(如植被丰度,微生物群落)的解释程度。对于由或创建的排序对象,函数。

wlh2067的博客 2522

Ubuntu 20.04 系统备份和还原

最近大家Ubuntu开发环境,经常出现搭着搭着系统就挂了,于是开始琢磨了Ubuntu系统的备份和还原,以备不时之需,Linux环境搭建实在是有点太细,好多情况下,就算曾经搭建过一遍,再次搭建有些包还是忘了安装,做好备份是十分必要的。 经过了一番研究,Ubuntu备份有很多方式:根目录tar、dd、Systemback(1.0版本已经不维护了,2.0版本收费)等等,最终决定使用 —— Timesift, 因为方便一些。 文章参考:小马虎的救星——Timeshift Timeshift Timeshift,是L

Z_Paper的博客 2万+

Open3d处理之应用示例

根据专栏里面文章进行的应用示例,多为参考,具体应用还需要进一步更新。

kolentonmk的博客 605

Java实战:绿盾加密文件批量解密工具Ldterm的实现与优化

本文详细介绍了基于Java开发的绿盾加密文件批量解密工具Ldterm的实现与优化过程。通过分析绿盾加密机制,结合Java流处理能力,实现了高效的文件解密方案,并分享了多线程处理、内存优化等性能提升技巧,适用于企业级数据迁移与备份场景。

weixin_29314405的博客 495

Open3d专栏介绍

项目名称:基于激光雷达钢卷的快速识别与定位。

kolentonmk的博客 712

vue3 - 详细实现内网使用离线高德地图功能,在vue3中无需网络离线使用高德地图相关功能,高德地图如何离线加载详细教程(内网部署及使用),提供最新完整的瓦片资源下载及相关工具(示例代码,一键复制)

vue3,高德地图,离线使用高德地图,高德地图瓦片官方下载,内网使用高德地图离线无网络,断网情况下使用高德地图,vue离线高德地图教程,内网部署高德地图,无需联网离线使用,vue3+ts实现离线高德地图 内网离线高德地图,如何在高德地图Vue3项目中下载离线地图,地图加载不出来,不显示怎么办,内网使用离线高德地图加载失败问题,vue3实现离线地图+高德瓦片,vue3高德离线地图,如何使用离线高德地图和自定义地图样式,高德离线地图的下载,怎么下载高德地图瓦片,一键把所有瓦片都下载下来,离线加载,内网部署,离线

✅ 精选推荐文章 1万+

STM32开发 -- GPIO详解

之前有简单讲过GPIO工作模式和寄存器,还是有点没搞明白。这次需要全方位的看一下了。 一、数据手册 1、STM32F105RC引脚说明 可知:STM32F105RC 一共有4组IO口 一共16X3+3=51个IO GPIOA0~A15 GPIOB0~B15 GPIOC0~C15 GPIOD0~D2 2、程序定义 GPIO端口号 STM32F1...

不积跬步,无以至千里 5万+

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

缘友一世的博客 407

SAP Gateway 故障排查全景图:从 Error Log 到 E2E 追踪,一套面向实战的工具与方法论

本文针对SAP Gateway Foundation(SAP_GWFND)的故障排查需求,梳理了从现象到根因的系统化排查路径。文章首先强调建立标准化排障流程的重要性,随后提供工具矩阵及使用顺序指引:对于请求中断优先查看Error Log(/IWFND/ERROR_LOG和/IWBEP/ERROR_LOG),性能问题使用Performance Trace(/IWFND/TRACES),通知异常则检查Notification Monitor。重点工具包括: Error Log作为中断类错误首要定位器; Appl

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 250

边缘计算实战:在无外网环境下,如何实现本地 Web 大屏渲染与实时联动?

工业现场断网,大屏瞬间变黑砖?传统拉HDMI线成本高、易受干扰。本文分享一种“去中心化”落地方案:将轻量级Web服务直接下沉至边缘计算网关。详解HTTP分发与原生Socket广播核心代码,手把手教你用极低资源消耗,实现复杂场景下的断网本地自治与实时渲染。

qq_42364035的博客 331

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

我开源了一个屏幕录 GIF 工具:框选任意区域直接出图,只有 2 个依赖(Python)

仓库直达:[github.com/yund229/RectGif](https://github.com/yund229/RectGif) · exe 在 [Releases](https://github.com/yund229/RectGif/releases)

w_2345678的博客 498

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

第十八届蓝桥杯青少组图形化真题:校园卡丁车竞速赛解析(全国青少年信息素养大赛·电子学会Scratch考级同源考点)

备考季正酣,几大标志性赛事的时间节点都已经摆上台面。(原蓝桥杯青少组)省级活动 2026 年 10—12 月正在全国铺开,8 座城市的省级线下测评定档在 11 月 7 日至 12 月 26 日,本届主题是"星际拓荒纪元",程序设计组别里的图形化创意编程按初级(U10)、中级(U14)、高级分组,统一 90 分钟现场上机、个人独立完成;

IT_Scratch的博客 251

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

bool-hybrid-array 的 GPU_opt 与 cjx:一个没显卡就报错的开关,一个把 800 字压到 96 字节的编码

# 十六、把这轮的复现命令贴出来我这轮所有数字都来自下面这一套,别人要复现,照着跑就行:```bashpython3 -m venv /tmp/bha_r16/tmp/bha_r16/bin/pip install “bool-hybrid-array==9.13.12” numpy/tmp/bha_r16/bin/python /tmp/pr17.py/tmp/bha_r16/bin/python /tmp/pr17b.py````pr17.py。文档给的是名字,代码给的是边界,两边都得看。

BKsell的博客 316

双路径优化+双容差校准

默认使用向量化路径处理常规数据,当检测到内存非连续或需要极致短路性能时,自动切换至 Numba JIT 路径。“当 CI 宽度中位数为 $W$ 时,实际判定容差为 $10^{-12} + 10^{-9} \times W$"针对表征谱算子 2 的实际输出量纲(例如 $10^{-3}$ 至 $10^3$),调整。准确标记了哪些数组被复制。非短路、静默拷贝风险、量纲耦合容差),本方案重构了核心逻辑。,并完善审计元数据以记录内存拷贝状态。, 确保在不同量纲下判定标准的一致性。,否则需排查上游数据生成逻辑。

2301_77211362的博客 218

保形预测在时间维度上必然失守:PDE 代理模型的覆盖率崩塌与加权修复

你的保形预测区间上线后准时崩塌?离线验收90%覆盖,24小时后却几乎裸奔——因为交换性假设在时间维度必然失效。本文用80行代码复现PDE代理模型的覆盖率崩塌,并给出时间加权修复方案,直击洪峰等关键失效时刻。

helloagent的博客 184

线上挂 Arthas直接抓抛出的异常

这段堆栈—— 是 RabbitMQ 消费线程报的错,跟那个 500 无关。。HTTP 请求的栈底应该是 Tomcat 的线程。两条完全不同的链路。另外异常头(那一行)和你们自己的帧都滚到屏幕上方去了,截图里只剩框架帧 —— 这部分恰好是没有信息量的。

曾大强博客 170

Octop docker沙箱排障

将腾讯 Octop 部署于 Docker 容器并启用 Docker 沙箱时,需同时挂载宿主机 /var/run/docker.sock 并在容器内安装 Docker CLI 客户端。因官方镜像未包含 docker 命令行工具,仅挂载 socket 会导致界面提示“未检测到 Docker”,尽管实际执行通过 Python SDK 可正常运行沙箱。解决方案包括:基于官方镜像构建带 CLI 的自定义镜像,或直接拷贝宿主二进制文件。最终需确保 docker info 能正确返回宿主版本,方可实现安全、隔离的沙箱环境

Fzuim的博客 353

python:Linear Regression

本文基于2000至2025年深圳房价数据,使用Python的scikit-learn库进行线性回归分析。模型拟合出方程 $ y = 3948.76x - 7.81 \times 10^6 $,解释度达0.9623。预测2026年和2027年均价分别为67,400元/㎡和71,350元/㎡,并以图表展示历史趋势与未来预测,体现数据驱动决策的价值。

Geovin Du Dream Park 191

LangChain 不接模型也能跑:提示词模板 + 假模型先跑通链条

今天热点榜开源项目里的 langchain-ai(Python,117.1k star)。没申请 API Key 也能先学:langchain-core 自带提示词模板、假模型和解析器,三件套串成一条链,先把流程跑通,换真实模型时只换模型那一行。

咸鱼的博客 374

Selenium抓取订单列表翻页后数据重复的定位与排查

翻页后订单重复,先区分分页参数失效、排序漂移和误抓非订单行:检查请求参数与响应首条订单号是否变化,把等待锚点设在订单号字段上,再决定改等待条件、同步参数或按业务主键归并去重。

2401_89629692的博客 188

Python FastAPI与Celery适合的task

服务端开发中有两种任务:需要即时返回结果的任务、不需要即时返回结果的任务。注:内容是AI生成的。

秋秋小事 27

MCP read_file 真的只能读取工作区吗?从路径穿越到 Windows Junction 的安全验证实战

给 AI Agent 增加 MCP `read_file` 工具时,只限制工作区目录就足够安全吗?实际上,`../` 路径穿越、绝对路径、Windows UNC 路径、符号链接和 Junction 都可能造成越权读取。本文使用 Python 标准库实现一个带有路径校验、文件白名单和读取限制的本地实验,通过 Windows 自动化测试验证正常读取、越界拒绝、文件类型检查及异常处理,并结合 Mermaid 流程图说明安全设计思路。同时分析 Windows 文件系统中的 TOCTOU 竞态风险及现有方案的适用边界

flyingonpine的博客 597
上一篇: 两星期自学:微信小程序+ESP8266实现智能家居控制(2)
下一篇: Open3d点云处理之边缘提取
kolentonmk
博客等级 码龄5年 125粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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
⌂ 换网址