首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏计算机视觉战队

    基于图像的场景三维建模

    那今天就开始我们的正是话题——场景3D重建。 图像全自动三维建模系统 ? 其中,图像三维建模系统框架如下: ? 核心算法之一: 融合辅助信息的全局式稀疏重建 ? 核心算法之二: 混合式稀疏重建 ? ---- 应用一:中国古代建筑三维数字化保护 ? ? 恒山悬空寺:位于山西浑源县, 始建于公元491年,古代工匠根据道家“不闻鸡鸣犬吠之声”的要求建设了悬空寺,该寺距地面高约50米。 应用二:三维数字化城市 ? 应用三:无人机三维地图构建 ? ? 应用四: 天地、室内外融合三维重建 ? 本次内容简单,主要简单介绍场景构造的轮廓,如果想进一步探索研究,需要阅读大量文献,进一步深入学习!

    2.2K90发布于 2018-04-17
  • 来自专栏计算机图形学 前端可视化 WebGL

    三维场景中常用的路径动画

    三维场景中常用的路径动画 前言 在三维场景中,除了用逼近真实的模型代表现实中的设备、标识物外,通常还会使用一些动画来表示模型在现实中一些行为和作用。 val);       // 设置实体位置       entity.setPosition(point); },     onDone, }); instance.play(); 动画效果: [8d5e8c1c315a4e3586bf5b15600b869d 那么现在想想,现实场景中不可能只有直线运动这种场景,比如小车巡检,就属于一个折线场景,那么我们就需要使用折线动画来完成。 折线路径动画 小车在房间内不间断的通过巡检监控,记录设备状态及检测相关数据。 ,可以认为是一个轨道交通方面的;另外一个是实验室车间 流水线可视化,主要用于流水线,设备监控等三维可视化呈现。 利用常用的动画能够让整个三维场景更丰满,写实。希望在项目中可以多多利用起来。 关注公众号“ITMan彪叔” 可以及时收到更多有价值的文章。另外如果对可视化感兴趣,可以和我交流,微信541002349.

    99530发布于 2021-02-22
  • 来自专栏代码编写世界

    WebGL简易教程(八):三维场景交互

    其实,三维场景的UI交互工作正是基于模型视图投影变换的基础之上的。这里就通过之前的知识实现一个三维场景的浏览实例:通过鼠标实现场景的旋转和缩放。 2. cuboid.minX, cuboid.minY, cuboid.minZ, 1.0, 0.0, 1.0 // v7 Black ]); //顶点索引 var indices = new Uint8Array 重绘刷新 与之前只绘制一次场景不同,为了满足浏览交互工作,页面就必须实时刷新,来满足不同的鼠标、键盘事件对场景的影响。 else { curScale = curScale * 0.9; } }; currentAngle和curScale的变化使得模型矩阵发生改变,而每绘制一帧就会重新设置MVP矩阵,这就使得三维场景随着鼠标操作而变化

    1.3K30发布于 2019-10-08
  • 三维场景重建与图像表示技术突破

    运动结构恢复技术在电影和电视节目视频中,通过深度引导的稀疏运动结构方法,实现了从摄像机运动恢复三维场景几何信息的技术突破。 输入视频帧中检测图像关键点(显著点,通常位于物体角落和其他边缘交点)通过双线性插值,使用现成深度估计器获得的深度图确定关键点真实深度在优化过程中同时最小化二维重投影误差和深度估计误差在初始化阶段使用深度信息生成三维场景结构和相对相机姿态的初始估计实验表明 这些通用表示模型可应用于各种计算机视觉问题,预计将在多个场景中为视频服务用户带来准确度提升的实际效益。

    22710编辑于 2025-09-15
  • 来自专栏数字孪生可视化

    三维城市地图添加园区场景

    3D城市搭建完成后,那么是否能够既显示园区场景又显示三维城市地图场景呢? CityBuilder是可以完成的,在创建的数字孪生可视化三维城市的基础上,还可以加载公共场景或自己搭建的数字孪生可视化场景(园区)。话不多说,下面我以加载公共场景为例进行说明。 1、 在左侧菜单栏,点击场景右侧的添加场景按钮。 2、在弹出的窗口中,选择公共场景 > 优锘大楼。 点击拾取位置后,点击地图上所需加载场景的位置,调节方向角度,即可将数字孪生可视化场景放置于目标位置上。 选择样式,点击模板,即可将效果模板设置到场景上。下图所示为添加模板后的场景效果示例。 CityBuilder便捷的三维城市搭建服务,让三维地图的获取、效果和使用从此不再是难题!

    54230发布于 2021-08-06
  • 来自专栏点云PCL

    场景三维点云的语义分割综述

    一.点云语义分割 输入原始点云(x,y,z,intensity),得到每个三维点的语义类别。如图所示,不同颜色代表不同类别。 ? ? 四:大场景点云处理:对于大场景点云,点云数量及分布范围较大,这种场景通常是由多个物体组成的,不能像对待单个物体一样处理。如何优雅地通用地实时地高效地处理大场景点云,仍是未解决的问题。 三. 介绍一些方法 主要关注最新的应用在无人驾驶场景的大场景点云语义分割方法。这些方法大致分为两类,基于2D的和基于3D的。 将点云投影到前视图(Front-View),每个2D点保留8维特征(x,y,z,intensity,depth,r,g,b)。网络的输入图像大小为64x512x8。 Attention Module:注意力机制可以建模远距离的区域相关关系,我们将其拓展到3D点云中,据我们所知,这是第一次使用交叉注意力方式(cross-attention manner)将注意力机制用在三维点云语义分割中

    5.2K13发布于 2020-01-17
  • 来自专栏程序你好

    使用物理引擎为三维场景增加物理效果

    三维场景中的对象只需要用特定的Physijs对象封装一下便可以在场景中展现物理效果(重力、碰撞检测等)。 physicsWorld.getWorldInfo().set_m_gravity( new Ammo.btVector3( 0, gravityConstant, 0 ) ); 第三步、创建一个不能移动的地面 物理引擎加载场景之后

    2.8K32发布于 2021-07-23
  • 来自专栏苏三说技术

    三维场景竟然可以一键生成

    ,简单给大家展示一下: 第一步:点击【场景底板】,左侧展示常用城市(以深圳为例)资源列表,根据需要选择用户所需的场景底板资源,可在【搜索框】输入关键字搜索筛选 用户需要的城市场景底板,可快速定位到所需的场景资源 右侧【场景资源列表】的中【场景底板】列表查看场景所包含资源列表,如矢量数据资源、影像数据资源、 模型数据资源。若需要 更换底板场景资源,选择新场景底板资源替换当前的资源底板。 若场景底板资源不符合用户创建空间场景应用需求,或用户自己有影像数据、倾斜摄影数据、三维模型等数据,可在【数据服务】 中【数据中心】注册用户自己的数据资源,在【数据服务资源列表】中将数据资源加载至三维场景画布资源中 用户根据自己应用需要,在场景中搭建摆放三维模型。点击【三维模型】,可选择官方提供的三维模型,也可自己上传自己的三维 模型资源,点击【我的模型】上传三维模型,支持数据格式为 glb/gltf。 上传您的坐标数据,借助平台丰富的场景底板,批量标绘个性化三维场景,点击【图形标绘】,选择标绘的要素类型,拖拽至场景画布中,标绘三维场景POI要素信息。详情请参见图形标绘。

    72820编辑于 2023-10-31
  • 来自专栏3D视觉从入门到精通

    基于语义图的三维点云场景识别

    and Feng Wen Zhejiang University 来源:arxiv 2020 编译:丛阳滋 审核:zhiyong 转载:泡泡机器人SLAM 摘要 由于空间的遮挡与视角的改变,提取用于三维激光点云场景识别的描述子仍然是一个开放的问题 ,不同于大部分基于原始点云数据局部、全局和统计特征对场景进行描述,本文的方法主要依靠语义信息来提高对不同场景的适应性。 模仿人类的认知习惯,我们利用场景中的语义目标及其空间位置分布信息,提出了一种基于语义图的场景识别方法。 首先我们创新地提出了语义图的表达方式,直接保留了原始点云的语义和拓扑信息,随后将场景识别建模为图匹配问题,利用提出的网络计算图间的相似度。

    1.3K40发布于 2021-04-28
  • 来自专栏CSDN社区搬运

    三维场景重建3D高斯点渲染复现

    三维场景重建概述 MVSNet 多视图立体视觉网络(MVSNet, Multi-View Stereo Network)是计算机视觉领域中用于从多视角图像中重建3D几何结构的一种深度学习方法。 此外,由于其基于深度学习的设计,MVSNet还具有较好的泛化能力,可以适应不同类型的场景和摄像机配置。 Nerf NeRF (Neural Radiance Fields) 是一种革命性的3D场景表示方法,它使用全连接神经网络来隐式地建模场景的辐射场(radiance field),即给定任意位置和观察方向时的颜色和密度 通过在训练过程中优化网络参数,NeRF可以从一组稀疏的2D图像中重建出高质量的3D场景,并支持自由视角的渲染。 3D gaussian-splatting 3D Gaussian-splatting是一种新兴的3D场景表示技术,它将场景中的每个点视为一个带有方向性的高斯分布。

    1.6K10编辑于 2024-12-28
  • 来自专栏3D视觉从入门到精通

    杂乱场景中的尺度层次三维目标识别

    摘要:三维目标识别在遮挡和杂乱场景中的是一项艰巨的任务。 一 、简介 三维目标识别旨在正确识别三维场景中的对象,通常要获得目标的深度图像,并估计其位置和每个对象的方向。 三维场景是杂乱无章的,场景中的物体也存在相互遮挡,传统的三维物体识别方法一般包括两个阶段:特征提取和匹配。 本文提出了一个综合框架,利用局部几何结构的尺度变异性所提供的丰富的判别信息,在杂乱的三维场景中识别和定位目标,并且建立了所有待识别物体的模型库,并通过一组尺度相关的角点及其尺度不变的局部三维形状描述符来表示每个物体和场景 3.1、解释树 解释树方法[8]通过将模型基元与场景基元之间的对应表示为树结构中的一个节点来匹配。在树的根,没有通信。

    47320发布于 2020-12-11
  • 来自专栏程序你好

    使用物理引擎为三维场景增加物理效果(2)

    使用物理引擎为三维场景增加物理效果 接下来我们增加更多的模型来丰富三维场景,我们可以设置mass属性为0,这意味着这个模型质量为0,会参与碰撞而自身位置不会产生变化。 obstacle.castShadow = true; obstacle.receiveShadow = true; 接下来我们写个简单的循环,随机生成更多的三维模型

    1.2K30发布于 2021-07-23
  • 来自专栏计算机视觉工坊

    杂乱场景中的尺度层次三维目标识别

    摘要:三维目标识别在遮挡和杂乱场景中的是一项艰巨的任务。 一 、简介 三维目标识别旨在正确识别三维场景中的对象,通常要获得目标的深度图像,并估计其位置和每个对象的方向。 三维场景是杂乱无章的,场景中的物体也存在相互遮挡,传统的三维物体识别方法一般包括两个阶段:特征提取和匹配。 本文提出了一个综合框架,利用局部几何结构的尺度变异性所提供的丰富的判别信息,在杂乱的三维场景中识别和定位目标,并且建立了所有待识别物体的模型库,并通过一组尺度相关的角点及其尺度不变的局部三维形状描述符来表示每个物体和场景 3.1、解释树 解释树方法[8]通过将模型基元与场景基元之间的对应表示为树结构中的一个节点来匹配。在树的根,没有通信。

    48220发布于 2020-12-11
  • 来自专栏计算机图形学 前端可视化 WebGL

    水厂流程三维场景可视化解决方案

    背景 最近有客户咨询我们三维可视化编辑器,说看到我们三维可视化编辑器做的案例,也想实现自己水厂净水处理流程这块的可视化展示。 想通过这种真实的三维可视化展示,进行线上销售,以便成交更多的客户,减少疫情对自己的影响。通过沟通交流,客户提出了几个难题,想让我们根据他们的水厂场景图片,做一些三维可视化场景的demo。 客户把具体问题难点列了出来如下: 水厂过滤模型能不能建模实现三维效果; 整个水厂场景的过虑流程能不能复现; 水厂设备的实时数据能否对接显示; 水厂内的管道多,形状复杂,不通过建模的方式,能不能随便改变方向编辑 根据场景布局图,将各种设备通过拖拽的方式,调整位置,大小,旋转,批量增加,复制等基本设置,实现最终的三维效果。 水厂内的设备支持通过实时数据展示,配置方便快捷。 三维场景展示 水厂流程三维可视化场景编辑预览后的效果如下: 场景场景场景场景场景场景

    77120编辑于 2022-03-22
  • Spring事务失效的8场景

    8. python 代码解读复制代码@Transactional(rollbackFor = Exception.class)在今天的文章中总结了使用 @Transactional注解导致事务失效的几个常见场景 ,如果 @Transactional事务不生效,则可以根据这几种情形排查一下,其实次数最多的也就是发生自身调用、异常被捕获、异常抛出类型不匹配这几种场景

    39810编辑于 2024-11-27
  • 来自专栏Java技术栈

    Redis 的 8 大应用场景

    之前讲过Redis的介绍,及使用Redis带来的优势,这章整理了一下Redis的应用场景,也是非常重要的,学不学得好,能正常落地是关键。 下面一一来分析下Redis的应用场景都有哪些。 Redis提供的incr命令来实现计数器功能,内存操作,性能非常好,非常适用于这些计数场景。 5、分布式锁 在很多互联网公司中都使用了分布式技术,分布式技术带来的技术挑战是对同一个资源的并发访问,如全局ID、减库存、秒杀等场景,并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现,但在并发量高的场合中 8、消息系统 消息队列是大型网站必用中间件,如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件,主要用于业务解耦、流量削峰及异步处理实时性低的业务。

    1.3K30发布于 2018-09-29
  • 来自专栏大数据文摘

    论文Express | 单幅RGB图像整体三维场景解析与重建

    只用一张图就能重建三维场景!今天我们就给大家介绍这项神奇的研究。 这项研究由加州大学洛杉矶分校(UCLA)的六位学者完成,并已被欧洲计算机视觉国际会议(ECCV)采纳。 ,重建三维分层几何结构,遵守物理约束并保证物理上合理的场景配置。 具体来说,我们利用一种整体场景语法(Holistic Scene Grammar, HSG)来展现3D场景结构,它表征了室内场景在功能空间和几何空间上的联合分布。 HSG捕捉了室内场景中三个必要的隐含维度:1.隐含的人类背景,描述房间布置的功能可见性,2.场景结构的几何约束,3.物理约束,这保证了物理上合理的解析与重建。 实验结果表明,该算法提高了泛化能力,在3D布局估计,三维物体检测和整体场景理解方面明显优于现有方法。 译者注: 功能空间,指房间的层级结构,包含活动分区;几何空间 ,指CAD模型。

    89210发布于 2018-08-21
  • 来自专栏FREE SOLO

    Redis的8大应用场景

    Redis提供的incr命令来实现计数器功能,内存操作,性能非常好,非常适用于这些计数场景。 5、分布式锁 在很多互联网公司中都使用了分布式技术,分布式技术带来的技术挑战是对同一个资源的并发访问,如全局ID、减库存、秒杀等场景,并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现,但在并发量高的场合中 8、消息系统 消息队列是大型网站必用中间件,如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件,主要用于业务解耦、流量削峰及异步处理实时性低的业务。 Redis的8个应用场景 一:缓存—热数据 热点数据(经常会被查询,但是不经常被修改或者删除的数据),首选是使用redis缓存,毕竟强大到冒泡的QPS和极强的稳定性不是所有类似工具都有的,而且相比于memcached 命令:ZADD(有续集,sorted set) 八: 适用场景: 数据高并发的读写; 海量数据的读写; 对扩展性要求高的数据。

    17K53发布于 2019-04-19
  • 来自专栏Vincent-yuan

    Spring 事务失效的 8场景

    用 Spring 的 @Transactional 注解控制事务有哪些不生效的场景? 不知道小伙伴们有没有这样的经历,在自己开心的编写业务代码时候,突然某一个方法里的事务好像失效了。 那么这篇文章就来总结一下,大家给大家造成 “spring事务失效”错觉的 几个常见场景,然后对症下药。 Let's GO!!! 以本人的经历中遇到的问题,大概分有以下几个场景: 数据库引擎是否支持事务(Mysql 的 MyIsam引擎不支持事务); 注解所在的类是否被加载为 Bean(是否被spring 管理); 注解所在的方法是否为 异常被吃了 异常类型错误 下面展开分析每一个场景: 数据库引擎不支持事务 这里以 MySQL 为例,其 MyISAM 引擎是不支持事务操作的,InnoDB 才是支持事务的引擎,一般要支持事务都会使用 总结:本文总结了 8 种事务失效的场景,其实发生最多就是自身调用、异常被吃、异常抛出类型不对这 3 个了,像文章开头说的那样,本文不一定总结得全,只是总结常见的事务失效的场景 转自: https://blog.csdn.net

    60140发布于 2021-08-10
  • 来自专栏一点人工一点智能

    ECCV 2022 | 基于点云累积的动态三维场景分析

    转载自:泡泡机器人SLAM原文:ECCV 2022 | 基于点云累积的动态三维场景分析标题:Dynamic 3D Scene Analysis by Point Cloud Accumulation作者 这些相邻帧提供了补充信息,在场景坐标系中累积时,会产生更密集的采样和更完整的三维场景覆盖。然而,扫描的场景通常包含移动的物体。仅通过补偿扫描仪的运动无法正确对齐这些移动物体上的点。 02  主要贡献· 在累积多帧点云获得高密度点云时通常会因物体移动造成伪影,本文利用移动物体实例分割和运动估计等一系列方法,消除了累积点云中移动物体的伪影,这有利于提升三维目标识别等下游任务的准确性。 最终,移动的物体的运动流由其与传感器的相对运动决定,而三维街景和静止物体的运动流则由传感器自身运动估计决定。将运动流估计应用到相关点云上则可以累积获得对齐的多帧点云。 表1显示本文的方法在 Waymo 和 nuScenes 数据集上表现都远远超越之前的场景流预测方法。图3说明了本文的方法可以扩展到更多帧场景流预测,并保持相较其他方法更低的误差。

    1.7K00编辑于 2023-01-15
领券