搜索资源列表
-
0下载：
软件简介：HI-TECH PICC 是一款高效的C编译器，支持Microchip PICmicro 10/12/14/16/17系列控制器。是一款强劲的标准C编译器，完全遵守ISO/ANSI C，支持所有的数据类型包括24 and 32 bit IEEE 标准浮点类型。智能优化产生高质量的代码。属于第三方开发工具。能和MPLAB整合，内嵌开发环境（HI－TIDE）。
Hi-tech PICC Compiler v8.注册码
Serial: HCPIC-88888
First Na
-
-
0下载：
protel 2004的license,用于注册protel的使用权，下载后点加载这个文件就行了-protel 2004' s license, registration protel for the right to use, download the last point load this file on the list
-
-
0下载：
针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣
点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基
础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实
验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率-Feature points for image-based registration method of the corresponding char
-
-
0下载：
提出了一种优化的图像配准算法。首先把图像中的兴趣点及其角度信息提取出来，利用互信息准则，得到需要的配对点，得到两幅或多幅图像的拼接自然的完整图像, 实验表明，该算法是有效的。-An optimized image registration algorithm. First of all, the image of interest points and their point of view of information extracted, using the criteria of mutu
-
-
0下载：
提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参
考影像中的线特征,利用匹配直线构建虚拟角点 其次,针对传统SIFT算法匹配多源遥感影像特征点存在的
不足,采用线特征约束点特征的方法进行SIFT同名点对的提取 最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。
-A line-based features and SIFT features multi-point sources of remote sensing image
-
-
0下载：
别对两幅图像提取广义特征点后，
利用基于根均方误差和交叉相关的两级匹配算法完成同名控制点的建立。并以局部加权直线拟合方法来校正图像
的几何畸变。最后建立两幅图像之间的函数映射关系，完成图像的配准。实验结果证明了该方法的有效性。-Do the two images extracted generalized characteristic point, the root mean square error-based and cross-correlation of the two cont
-
-
0下载：
用Hausdorff距离对两角点集进行配准，得到点集间的仿射变换，从而实现图像的自动配准。此算法以角点作为Hausdorff距离的配准特征，与直接选用边缘来配准的方法相比较，大大减小计算量。-Hausdorff distance on the corners with a point set registration, be affine transformation between sets in order to achieve automatic image registration. T
-
-
0下载：
用Hausdorff距离对两角点集进行配准，得到点集间的仿射变换，从而实现图像的自动配准。此算法以角点作为Hausdorff距离的配准特征，与直接选用边缘来配准的方法相比较，大大减小计算量。-Hausdorff distance on the corners with a point set registration, be affine transformation between sets in order to achieve automatic image registration. T
-
-
0下载：
用Hausdorff距离对两角点集进行配准，得到点集间的仿射变换，从而实现图像的自动配准。此算法以角点作为Hausdorff距离的配准特征，与直接选用边缘来配准的方法相比较，大大减小计算量。-Hausdorff distance on the corners with a point set registration, be affine transformation between sets in order to achieve automatic image registration. T
-
-
0下载：
用Hausdorff距离对两角点集进行配准，得到点集间的仿射变换，从而实现图像的自动配准。此算法以角点作为Hausdorff距离的配准特征，与直接选用边缘来配准的方法相比较，大大减小计算量。-Hausdorff distance on the corners with a point set registration, be affine transformation between sets in order to achieve automatic image registration. T
-
-
0下载：
用Hausdorff距离对两角点集进行配准，得到点集间的仿射变换，从而实现图像的自动配准。此算法以角点作为Hausdorff距离的配准特征，与直接选用边缘来配准的方法相比较，大大减小计算量。-Hausdorff distance on the corners with a point set registration, be affine transformation between sets in order to achieve automatic image registration. T
-
-
0下载：
斯坦福的一片文章 综述了迭代最近点算法的各种改进 客观地比较了他们优劣 提出了一个实时的高效组合 做点云配准必读-an artical from Stanforda. summarizes the variant of iterative closest point algorithm and objectively compare the advantages and disadvantages, finily proposed combination with a high-speed r
-
-
0下载：
ICP算法在点云配准中的应用，经典的迭代最近点算法-ICP algorithm for point cloud registration application, the classic iterative closest point algorithm
-
-
0下载：
基于联合相似测度的SAR图像边缘点特征配准方法-Based on a similar measure joint SAR image edge point feature registration method
-
-
0下载：
KD-Tree 介绍教程，关于kdtree的原理，邻域。对三位点云配准很有帮助。-KD-Tree introductory tutorial on the principle kdtree of the neighborhood. For three-point cloud registration is helpful.
-
-
0下载：
可以运行的ICP源码 进行点云的配准 进行四暗运的刚体变换 有变换矩阵和变换向量-ICP source code can be run point cloud registration
-
-
0下载：
point set registration
-
-
0下载：
三维激光点云配准是点云三维建模的关键问题之一。经典的 ICP 算法对点云初始位置要求较高且配准
效率较低，提出了一种改进的 ICP 点云配准算法。该算法首先利用主成分分析法实现点云的初始配准，获得较好
的点云初始位置，然后在经典 ICP 算法的基础上，采用 k － d tree 结构实现加速搜索，并利用方向向量夹角阈值去除
错误点对，提高算法的效率。实验表明，本算法流程在保证配准精度的前提下，显著提高了配准效率。
-Three-dimensional laser point cl
-
-
0下载：
我们采用无办法变形质量人体模板的网格从其原来的姿势对点云数据指定不同的姿势。在此方法中，我们首先建立粗模板网格和点云通过压缩的光谱嵌入技术，利用人体四肢之间的对应关系。基于这些对应关系，我们定义使用弹性能量泛函的非刚性配准的目标和应用离散的梯度流，以减少粗控制网格和点云之间的区别。然后可从之后使用均值坐标控制网格的变形变形的模板网格。(We employ a deformable, deformable human body template mesh to specify different
-
-
0下载：
ICP(Iterative Closest Point)
-
