搜索资源列表
3DSrc
- 基于四叉树的地形渲染方法使用高程数据作为数据源。且算法要求高程数据的大小必须为2n+1的正方形。所谓高程数据，即色彩范围在0-255的灰度图片，不同的灰度代表了不同的高度值。如果某高程数据指出这个高程数据最高处的Y坐标值是4000，那么在高程数据中一个值为255的像素点就表示这个点所代表的地形区域的高度是4000，同理如果该像素值是127那么就表示这个点所代表的地形区域的高度是4000×(127/255)=2000。高程数据的每个像素都对应所渲染网格中的一个顶点。另外还有一个参数描述顶点与顶点之
3Model.rar
- 基于小波变换的三维模型提取技术的毕业论文,包括代码和答辩ppt.1．实现了三维模型的表示和规范化预处理过程，在此基础上，开发了进行检索实验的可视化特征提取实验平台。 2．结合球面调和变换获取旋转不变量具有降低特征向量维数的特性，实现了基于光线投射的特征提取方法，通过检索评价实验确定了参数的最佳取值。 3．分析了基本的光线投射方法和改进的光线投射方法的缺陷，提出了一种基于三维小波变换的特征描述方法。对光线投射算法进行了扩展，将切比雪夫采样点序列进行离散小波变换，然后利用球面调和变换获得旋转不变
sift
- SIFT特征（Scale-invariant feature transform，尺度不变特征转换)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe 在1999年所发表，2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。-Scale-invariant feature transform (or SIFT) is an algori
dibiao
- 描述求地表反射率的算法，是研究地球三维绘制的重要参考-abedo suanfa for the earth surface,help to draw a real earth
SIFT
- SIFT算法描述及应用，具体的c程序实现图像特征提取-The SIFT algorithm descr iption and application specific c program image feature extraction
Ransac
- RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出[1]。 RANSAC算法经常用于计算机视觉中。例如，在立体视觉领域中同时解决一对相机的匹配点问题及基本矩阵的计算。 RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers，偏离正常范围很远、无法适应数学模型的数据)
HNSSCODE
- -提供的主要执行Hierarchichal匹配算法在纸张由Yago appera迪兹说,女性生殖器Salvi,罗伯特·马蒂和琼马蒂。执行的一个例子是: 。/ laserScanNet nameFile1 nameFile2 4 128 1 0.9 0.01 - 7 你可以找到足够的文件在数据子目录(纯文本文件的点坐标的每一组用空格分开,每点一行(三坐标))。 代码结构 代码试图是自说明的,包括(一些)的评论。编程一直保持尽可能简单所以你不会找到模板。然而,您将发现许多许多参数,所
depth-peeling
- 无关于描画顺序的透明描画算法，depth peeling算法的详细描述-Interactive Order-Independent Transparency：depth peeling
Summed-Area-Tables
- SAT(Summed Area Tables)算法的基于GPU硬件加速实现的详细描述，NVIDIA版-Summed Area Tables using Graphics Hardware
snakeGUI
- 3D图形的蛇形曲线算法，能够很好地描述图形的蛇形曲线的算法，值得推荐。-3D graphics serpentine curves, can be well described by a serpentine curve graph algorithms, it is recommended ~ ~ ~
3D-Reconstruction.
- 择了一种速度、特征点数量和精度都比较好的组合方案：FAST角点检测算法+sift特征描述子+FLANN(Fast Library for Approximate Nearest Neighbors) 匹配算法。-Choose a speed and precision of the number of feature points are relatively good combination scheme: FAST corner detection algorithm+sift featur