搜索 - 腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

来自专栏python3
3D云标签
经常会看到PC端网页的首页右边靠下的区块会有一些类似于“云朵'一样的标签（a标签），鼠标移动上去会有轻微的浮动，每次加载，颜色都不一样，好奇之下，尝试的也写了一个，帮助朋友们做一个类似相关的友情链接时，显得更加有吸引力。
1.3K20发布于 2020-01-14
来自专栏全栈程序员必看
3D点云实例分割_3d点云标注软件
大家好，又见面了，我是你们的朋友全栈 3D点云实例分割 3D语义分割区分场景中各类对象，3D实例分割区分场景中各类别中的各种个体。近两年来，3D实例分割的关注度越来越高，相应的方法也被接连提出。通过神经网络学习RGB和点云特征（这里的点云是通过RGBD中的深度信息恢复得到，并不是雷达点云），将通过2D卷积网络提取得到2D特征，反投影到对应的3D场景网格上，2D和3D特征的融合能够很大程度上提高然而，两种任务之间是可以相互合作共赢的，语义分割将点云按不同类别区分，这仅仅是实例分割的一个目标（不同类别的点云一定属于不同个体的）。；将点云转换为高维向量，致使相同实例的点云有着近似的表达。 2D和3D结合的网络框架用于联合语义和实例分割；同时展现了如何实现规则的2D特征和不规则的3D点云特征的融合。
1.1K30编辑于 2022-09-23
来自专栏点云PCL
Open3d学习计划（3)点云
点云PCL公众号作为免费的3D视觉，点云交流社区，期待有使用Open3D或者感兴趣的小伙伴能够加入我们的翻译计划，贡献免费交流社区，为使用Open3D提供中文的使用教程。点云（Point Cloud）这篇文章将会介绍点云数据的一些基本用法。（本教程可视化的点云数据为官方图片，自己可以根据手头数据进行测试，或者去官方github主页下载对应测试数据：https://github.com/intel-isl/Open3D/tree/master 包围框点云几何类型和其他类型一样，也有包围框。当前，open3d实现了两个包围框接口，同时他们也可以用来裁剪几何图形。 open3d实现了[http://www.open3d.org/docs/release/tutorial/reference.html#Katz2007] 文章中的算法，该算法从没有重建和法线估计的给定视角去近似可视化点云
6.4K43发布于 2020-06-02
来自专栏全栈程序员必看
Android 3d云标签
Object>{ private List<Tag> tagCloud; private int radius; private static final int DEFAULT_RADIUS = 3; = rx2 * cos_mAngleZ + ry2 * -sin_mAngleZ; float ry3 = rx2 * sin_mAngleZ + ry2 * cos_mAngleZ; float rz3 = rz2; tagCloud.get(j).setLocX(rx3); tagCloud.get(j).setLocY(ry3); tagCloud.get(j).setLocZ (rz3); int diameter = 2 * radius; float per = diameter / (diameter+rz3); tagCloud.get(j).setLoc2DX ((int)(rx3 * per)); tagCloud.get(j).setLoc2DY((int)(ry3 * per)); tagCloud.get(j).setScale(per);
1.7K10编辑于 2022-07-07
来自专栏VMCloud
冲上云霄-云从业随笔（3）
上两篇讲述了笔者这两年内心的一些想法，也将写了两篇落地文档，若是仅仅构造一个远程开发环境的话，其实就背离了我写这系列文章的初衷，更希望在当前云环境下，Pro能够借助云环境提供的便利为真正的“架构”做多点事情上篇中我们直接使用了django img所以可以直接在容器内运行django-admin来跑起来一个项目（关于django的教程网路上较多，这里不过多介绍） 2 进入项目开始用runserver把项目跑起来： 3
93560发布于 2019-08-31
来自专栏科普文章-云计算
云计算的3个误解
尽管云计算应用已经从概念走向现实，并且已经存在了一段时间，但仍然有一些人对云计算持有误解。以下是关于云计算的三大误区，让我们一起来认清事实，真正认识云计算。误区一：私有云天然安全许多企业部署私有云都是出于认为其是私有所以安全的假设，但事实并非如此。安全是来自于你合理的设计和云解决方案，而非天然的属性。因此，私有云并非天然就安全，公有云也并非天然就不安全。如果你认为你编写的在自己的OpenStack私有云上运行良好的应用程序能够不经任何修改就能良好的运行在OpenStack公有云上，那你简直就是在做梦。误区三：公有云供应商会在我不知情的情况下访问和分析我的数据公有云供应商并不关心你的数据，他们关心的是你能不能成功的用他们的云服务，以及你为你消耗的云服务交的钱。总之，云计算已经成为了现代企业的重要基础设施，我们应该正确认识云计算，避免陷入误区。只有真正理解云计算的优势和局限性，才能更好地利用云计算为企业的发展助力。
18710编辑于 2025-02-26
来自专栏算法之名
3D点云识别
激光雷达点云由激光雷达产生，分为机械式Lidar:TOF,N个独立激光单元，旋转产生360度视场。上图中激光雷达位于圆圈的中心，周围产生的光点就是产生的3D点云。稀疏：相对于图像来说，它要稀疏很多，如果把激光雷达点云投影到图像中可能只占有图像的7%。无序：N!点云没有顺序，角度不同、震动、扫描顺序不同，都会导致点云的顺序不一样。精确：+/-2cm 图像 vs 点云点云：简单精确适合几何感知图像：丰富多变适合语义感知这两种感知手段在ADAS(自动驾驶)场景中各有各的用处，比如说交通信号，3D点云就无法感知，只能通过图像识别来进行感知 3D点云数据来源 CAD模型：一般分类/分割问题的数据集是CAD。的，我们要用的就是这个3d的数据集跟踪数据集分割数据集这些都是将原始数据集处理一下，来应对各种细分的算法。
2.1K20编辑于 2022-03-24
来自专栏鲸鱼动画
3D旋转标签云
DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>标签云</title> <style type="text/ tagbox .img img{ width: 70px; } #tagbox a,#tagbox .img img{ position: absolute; padding: <em>3</em>px <a class="yellow" href="#">干货香醇云电脑 rx2*cc+ry2*(-sc); var ry3=rx2*sc+ry2*cc; var rz3=rz2; mcList[j].cx=rx3; mcList[j].cy=ry3; mcList[j].cz=rz3; per=d/(d+rz3); mcList[j].x=(howElliptical*rx3*per)-(howElliptical*2);
2.2K20发布于 2020-09-21
来自专栏深度学习和计算机视觉
3D点云的未来
点云的不同结果。从左到右依次为原始、阴影、有色、体素化、半角化的点云接触3D点云以后，我们通常根据Reality Capture的发展进行相应的调整，以获得更加清晰的数据集。相信很多小伙伴都还记得第一次使用激光扫描仪时，对于它的运行速度和获取3D点云结果图都有着非常深刻的记忆。 3D扫描废弃羊毛洗涤设备但我们是如何开展工作的呢？ 3D点云表示与3D语义表示数据 3D点云主要挑战围绕着传感器收集的数据的特异性。当不需要深度提示时，单个光栅图像或视频流非常有用，但是要模拟我们的3D视觉认知，则需要更丰富的数据基础。现实捕获设备允许获取这样的详尽的3D空间信息，主要是作为点云：{X，Y，Z}（+属性）空间集合，该集合以数字方式代表传感器的强度和局限性所记录的环境。这对于在需要识别对象的3D捕获工作流中开发点云至关重要。机器人研究在提供自主3D记录系统方面取得了飞跃，我们无需人工干预即可在其中获得环境的3D点云。
1.2K41发布于 2020-09-04
来自专栏机器视觉那些事儿
【3D篇】点云拼接
has finished in 0 s computeSurfaceNormals() has finished in 0 s computeFeatures_FPFH has finished in 3 s computeFeatures_FPFH has finished in 3 s --------------- SAC-IA ------------------ calculate time is 红色：目标点云，蓝色：配准点云）：可以发现，红色点云与蓝色点云完全重合，配准效果很好。 has finished in 0 s computeSurfaceNormals() has finished in 0 s computeFeatures_FPFH has finished in 3 s computeFeatures_FPFH has finished in 3 s --------------- SAC-IA ------------------ calculate time is
2.1K11发布于 2021-09-29
来自专栏云服务器教程
热卖云产品3折起
云服务器、云数据库特惠，服务更稳，速度更快，价格更优前往地址> 云服务器年付3折起所有机型免费分配公网IP，50G高性能云硬盘（系统盘）。英特尔Ⓡ至强处理器 CPU负载无限制，利用率最高为100% 搭配网络增强，包转发能力最高可达30w 个人建站，轻量APP，企业用户等各应用场景均可适用云数据库年付3折起 MySQL高可用版提供备份特别适合大规模数据存储的场景 COS归档存储包满足管控要求需要更长时间保存，低成本离线存储归档属于离线存储，适用于低频率访问的场景，特别适合文件归档备份成本极低，适用于海量数据的长期存储更多云优惠信息请关注：云优惠
1.4K50发布于 2018-10-25
来自专栏惊羽-布壳儿
云实验室(3) - 虚拟化
按照提示进行安装即可 image-bf7d0fb1175049058708f9d85e575616.png 2.2 proxmox 开虚拟机 2.2.1 上传镜像 image-c4cd03ecd07a4a00b3b3cf95300aa888 .png 2.2.2 创建虚拟机 image-5b68b9746014478e851dd831efed4b5a.png image-2a8aa3e8fd8f48cbb4f49bdfdcd7dc0c.png .png image-a154452ef7be4c67b599012f0f12fbc4.png image-7837bf33c8864f4fbbff1b34a8c014d2.png image-3a32dbbe275f4c57a079850a2158843d.png
1.2K20编辑于 2022-06-15
来自专栏希里安
腾讯云k3s试用
腾讯云k3s使用登录控制台创建k3s 选择轻量应用服务器，可以看到如下界面，使用应用模板创建，开箱即用。、极轻量的Kubernetes发行版，当前为CNCF云原生计算基金会沙箱项目，对服务器计算资源要求较低，可单机运行。 --token ${NODE_TOKEN} 或一键安装 curl -sfL https://get.k3s.io | sh - 腾讯云使用创建好k3s后，进入实例详情页，防火墙端口放通9090端口点击登录，复制命令dahboard-token可以得到登录 Kubernetes Dashboard的token，登录后即可管理操作k3s集群，如下图所示：感受总之，使用腾讯云提供的应用模板，一键创建参考资料 [1] 腾讯云服务器: https:cloud.tencent.com [2] 轻量级kubernetes: https://docs.k3s.io/zh/
1.7K10编辑于 2023-12-13
来自专栏devops运维先行者
云原生利器 -- Nexus3
1 Nexus3 简介 Nexus3 是一个统一的仓库系统，常见的有诸如apt、docker、maven2、npm、pypi、yum等repositories。而Nexus3 就是这么一个平台，可以统一管理repositories仓库。这里文章介绍如何在k8s环境部署Nexus3，并快速使用，作为docker images 私有仓库。 2 K8s部署Nexus3 nexus-nm.yaml #创建namespace - nexus apiVersion: v1 kind: Namespace metadata: name: nexus 3 Nexus3使用 3.1 登陆当我们首次登陆 nexus3.domain.com 的web界面的时候，需要输入admin的用户密码，这里需要通过查看nexus pods下面的/nexus-data 3.2 添加Docker repo 可以看到有个感叹号提醒，Nexus3建议至少使用4核CPU，这里使用2C，并无太大关系，如果有强迫症的同学可以增大CPU核数 >= 4C。
1.4K20编辑于 2022-06-01
来自专栏用户7228907的专栏
【玩转腾讯云】安装python3
1.查看版本python --version 如果版本就是3，就不用安装了图片.png 2.建立python3的目录mkdir -p /usr/local/python3 下载python3 wget https://www.python.org/ftp/python/3.6.1/Python-3.6.1.tgz 图片.png 3.解压Python-3.6.1.tgz并进入图片.png 4 .配置安装目录，安装到 /usr/local/python3 图片.png 5.编译一下make 安装make install 6.ln -s /usr/local/python3/bin/python3 /usr/bin/python3建立软链接 /usr/local/python3/bin加入PATH环境变量 vim ~/.bash_profile 按i进入编辑模式，输入export PATH=$PATH :$HOME/bin:/usr/local/python3/bin 图片.png 然后按Esc ， : ,wq 保存并退出 7.查看版本python3 -V 图片.png 最后，千万别执行
2K00发布于 2020-05-08
来自专栏DBA随笔
云原生技术之kubernetes学习笔记(3)
Pod----虚拟机容器----进程 1、k8s相当于物理机的操作系统，k8s管理Pod相当于物理机的操作系统管理虚拟机 2、Pod相当于虚拟机，Pod里面可能包含多个容器，对应于虚拟机中的很多进程 3、 3、凡是Pod中的容器要共享宿主机的Namespace，也一定是Pod级别的。 3、Succeeded，这个状态意味着所有的容器都启动完毕，并且已经退出。 4、Failed，这个很好理解，就是Pod中的容器至少有一个以非0状态退出，也就是异常退出了。 5、Unknow。
51210发布于 2021-03-30
来自专栏DBA随笔
云原生技术之docker学习笔记(3)
// 云原生技术之docker学习笔记(3) // 今天我们看看Dockerfile创建的方法。 2、执行一条指令，对容器作出修改 3、执行类似docker commit的操作，提交一个新的镜像层 4、Docker镜像再基于刚才提交的镜像运行一个容器 5、执行Dockerfile中的下一条指令，知道所有的容器指令都执行完成 3、Dockerfile构建缓存当我们第一次构建的Dockerfile出现问题的时候，需要再次构建，这个时候会执行相同的指令，假设我们修改了Dockerfile中第4行的内容，那么Docker会自动将前 3行通过缓存的方式来进行加载，这会节省大量的时间。 B <missing> 7 weeks ago /bin/sh -c set -ex; key='A4A9406876FCBD3C
54010发布于 2021-01-12
来自专栏数据挖掘
python3生成标签云
标签云是现在大数据里面最喜欢使用的一种展现方式，其中在python3下也能实现标签云的效果，贴图如下： ? 5 # 万能仓库下载pygame 6 # pip3下载simplejson 还有最重要的库： pip3 install pytagcloud 或者去官网下载： https://pypi.python.org 在3.x 里用 items()替换iteritems() ，可以用于 for 来循环遍历。但是当我换成： # counter.py return sorted(counted.items(), key=itemgetter(1), reverse=True) 发现运行并没有错误，但是没有生成标签云啊到这里标签云是算完成了的，但是却是不支持中文，原因是没有合适的ttf字体文件，准备一个 ttf 中文字体，如MicrosoftYaHei.ttf ，将其移动到 # C:\Python34\Lib\site-packages
1.9K61发布于 2019-07-02
来自专栏点云PCL
3D点云的深度学习
首先，可以使用各种结构来表示3D数据，所述结构包括： 1 体素网格 2 点云 3 多视图 4 深度图对于多视图和深度图的情况，该问题被转换为在多个图像上使用2D CNN解决。通过简单定义3D卷积核，可以将2D CNN的扩展用于3D Voxel网格。但是，对于3D点云的情况，目前还不清楚如何应用DL工具。 http://www.cnblogs.com/li-yao7758258/p/8182846.html 以及最近山东大学研究者们提出的PointCNN，对于pointCNN 这篇论文是一种为基于点云的特征学习提出了一种简单且通用的框架但是，点云是不规则和无序的，因此在这些点关联的特征上直接求核的卷积会导致形状信息的丢失，同时还会因顺序不同而不同。我们提出的方法是典型CNN向基于点云的特征学习的泛化，因此将其称为PointCNN。实验表明，PointCNN能在多种有挑战性的基准数据集和任务上实现与之前最佳方法媲美或更好的表现。
1.5K30发布于 2019-07-31
来自专栏3D视觉从入门到精通
汇总|3D点云分割算法
前言最近在arXiv和一些会议上看到了几篇3D点云分割paper，觉得还不错，在这里分享下基本思路。三维点云语义和实例分割是三维场景理解的关键和基础。 4、JSNet: Joint Instance and Semantic Segmentation of 3D Point Clouds 为了同时解决三维点云的实例和语义分割问题，本文提出了一种新的联合实例和语义分割方法其次，为了获得更具鉴别能力的特征，提出了一种点云特征融合模块，对backbone的不同层次特征进行融合。本文在large-scale 3D indoor point cloud dataset 、S3DIS 和ShapeNet数据集上评估提出的JSNET，并与现有的方法进行比较。
2K10发布于 2020-12-11

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多