- 综合排序
- 最热优先
- 最新优先
- 来自专栏实时渲染技术
数字孪生线上展厅云推流技术探讨点量云流
但现在线上展厅如果展示的内容是以3D数字孪生模型为主的，那采用传统的展厅方案，可能无法实现想要的效果，点量云流这里介绍一种云推流方案，让线上展厅不仅仅可以自动排期播放3D应用，还可以让用户手机或者公众号小程序直接打开 而点量云流的串流方案是，让用户直接在普通的手机、平板上，通过微信、小程序或者网页直接打开体验，大大的减少了用户体验大型3D应用的障碍，而且无需学习和原来的上网使用习惯完全一致。 具体实现方法如下：在服务器上安装点量云流推流系统，将UE或者U3D以及其他3D引擎开发的模型上传到云流系统中，或者提前安装在服务器上。 云推流系统就会给这些应用一个网页访问的地址，用户直接复制地址浏览器打开，或者在微信小程序/公众号中直接以链接的方式指向云推流的网址。这样对用户来说是无感知的，只是打开了一个网页。 这种3D应用的线上展厅推流方案，提升了用户使用的便捷性，而且对于展厅来说也无需增加成本，只需要把原来的本地展示调整成B/S架构，而且还可以扩展多种使用的终端，实现云游展厅提升展厅本身的触达用户。
55910编辑于 2024-05-15 - 来自专栏点量云流化
点量云实时云渲染革新云看车
图片2、WebGL看车网页打开三维展示，可以实现简单交互，弊端在于WebGL技术本身特性清晰度差，依赖于终端设备，体验不是很好。 云看车革新：点量云实时云渲染助力云看车随着互联网的发展，5G网络及云计算技术越来越成熟，汽车行业的3D解决方案也在不断成熟。 点量云依靠多年视频和传输技术的积累，采用自研云流化技术可提供优质的解决方案。点量云实时云渲染的优势：1.即点即用：无需预加载，一键运行。 2.数据安全：数据存储在云端，用户无法接触到数据，保护内容产权不外泄。 3.轻量化终端：对终端性能配置无要求，兼容各种终端4.极低延迟点量云实时云渲染为汽车行业赋能车企使用点量云流化XR应用，分享链接给消费者，消费者通过手机、pad、笔记本电脑等多终端设备随时随地体验汽车XR
1.9K30编辑于 2022-08-24 - 来自专栏ROBOTEDU
【点云学习】软件制作2 点云转2D
导览 利用C#写一个简单点云软件2 如何处理颜色 如何将点云转为颜色 01 颜色 RGB 常用的一种颜色格式，RGB分别代表红，绿和蓝。RGB值的变化代表了颜色的变化。 从颜色到点云 ? 我们可以把距离范围映射到颜色范围上（RGB→Distance），用C#制作一个函数来表达这种关系。 HSV与RBG都可以显示，效果略有不同，实际操作可以进行优化 2. 显示图片
1K10发布于 2020-03-31 - 来自专栏点云PCL
PCL点云分割（2）
关于点云的分割算是我想做的机械臂抓取中十分重要的俄一部分，所以首先学习如果使用点云库处理我用kinect获取的点云的数据，本例程也是我自己慢慢修改程序并结合官方API 的解说实现的，其中有很多细节如果直接更改源程序 观察到kinect获取的原始图像的，然后使用简单的滤波，把在其中的NANS点移除，因为很多的算法要求不能出现NANS点，我们可以看见这里面有充电宝，墨水，乒乓球，一双筷子，下面是两张纸，上面分别贴了两道黑色的胶带 ，我们首先就可以做一个提取原始点云的平面的实验，那么如果提取点云中平面，之前有一些基本的实例，使用平面分割法 程序如下 #include <iostream> #include <pcl/ModelCoefficients.h 4); coefficients->values[0] = 0.140101; coefficients->values[1] = 0.126715; coefficients->values[2] 基础的点云知识就已经差不多了，还有就是不端有网友提问的疑问，我会在相应的博客下，把提问比较好的问题再次解答，并写在博客中，公众号的文章就不再更新
1.4K20发布于 2019-07-31 - 来自专栏实时云渲染（云流化）方案知识分享
区别于传统像素流的点量像素流送在应用中的优势
如果想要使用网页访问这些模型资源内容，我们通常会使用官方的像素流，虽然这种方式可以实现网页访问，但是也存在一些问题和缺点。传统像素流1. 2. 访问方面，外网或弱网环境下进行访问可能会遇到不稳定、打不开、画质较差的情况，连续几天使用后可能会挂掉，需要重启才能使用，并且端口较多。3. 在以上几种因素的影响下，传统的像素流满足不了一些使用者的需求，通常会采用新型的像素流送方式---点量像素流送。在上述几个影响的因素方面，点量像素流送是如何解决的？以下可供参考：1. 兼容性，点量像素流送像常规的主流浏览器都支持，包括谷歌、360、微信或iOS，都能轻松打开进行操作。2. 访问方面，点量像素流送在弱网环境下会自动匹配相适应的码率，达到稳定流畅的运行操作。3. 总的来说，这种新的像素流送方式能够解决传统像素流的痛点，并且应用支持的范围也较广，对于一些场景使用者来说大大减少了问题的存在，让使用更加方便。
46420编辑于 2024-05-21 - 来自专栏点云PCL
PCL点云配准（2）
其中room_scan1.pcd room_scan2.pcd这些点云包含同一房间360不同视角的扫描数据*/#include <iostream> #include <pcl/io/pcd_io.h //以上的代码加载了两个PCD文件得到共享指针，后续配准是完成对源点云到目标点云的参考坐标系的变换矩阵的估计，得到第二组点云变换到第一组点云坐标系下的变换矩阵 // 将输入的扫描点云数据过滤到原始尺寸的 10%以提高匹配的速度，只对源点云进行滤波，减少其数据量，而目标点云不需要滤波处理 //因为在NDT算法中在目标点云对应的体素网格数据结构的统计计算不使用单个点，而是使用包含在每个体素单元格中的点的统计数据 （2）本实验将学习如何编写一个交互式ICP可视化的程序。该程序将加载点云并对其进行刚性变换。之后，使用ICP算法将变换后的点云与原来的点云对齐。每次用户按下“空格”，进行ICP迭代，刷新可视化界面。 viewer.addPointCloud (cloud_in, cloud_in_color_h, "cloud_in_v2", v2); // 转换后的点云显示为绿色 pcl::visualization
2K20发布于 2019-07-31 - 来自专栏用户8411301的专栏
更轻量！谐云边缘计算贡献再获CNCF官方点赞
其中，谐云边缘计算研发实习生晋晨主要负责实验操作部分，包括实验记录工作。 其中，EdgeStack®智能边缘计算平台基于轻量级容器编排框架云边端协同技术，打造“云+边缘+端”的云边端协同架构，将容器云计算能力下沉至边缘节点，可支撑百万级边缘节点和设备接入。 然而，与数据中心的云计算类似，边缘计算也面临着跨异构设备和网络的工作负载分发、管理和编排等挑战。为了应对以上云计算中的这些挑战，很多开发者会选择基于容器的解决方案。 一个领先的为边缘优化的 K8s 发行版本是 OpenYurt[2]。OpenYurt 最初由阿里巴巴创建，现在是 CNCF 的沙箱项目。 需要注意的一点，如果你使用 yurtctl init/join 来设置OpenYurt 集群并加入节点，你可以跳过这一步。
75040编辑于 2022-02-22 - 来自专栏小七的各种胡思乱想
打分排序系统漫谈2 - 点赞量？点赞率?! 置信区间！
\), 当我们获得一篇文章的点赞量和拍砖数时我们可以用点赞率对概率进行更新得到\(p = \frac{U+1}{U+D+2}\) 概率q是一篇t时刻前发布的文章没有被作者读过的概率,换言之就是用户在t时间内没有刷新界面的概率 换言之Reddit只考虑点赞量而没有考虑点赞量对应的基数，这个基数可以是点赞+拍砖或者是用户的浏览量。 这样看似乎我们应该使用点赞（投票）率而非简单的点赞量来对文章进行打分，但是点赞率真的永远可信么？ 我们再看一个例子 ? ? {4n^2} }}{1 +\frac{z^2_{\alpha/2}}{n}} \end{align} \] Wilson打分方式有几个很好的特性： 点赞率(p)一样，浏览量(n)越高得分越高 点赞率趋于 0时, score = 0 点赞率趋于1时, score = \(\frac{1}{1+z^2_{\alpha/2}/n}\), 浏览量越高，得分越接近1，反之浏览量越小，得分越低，这样会对小样本点赞率高的问题进行调整
1.2K20发布于 2019-09-08 - 来自专栏点量云流化
点量云流化—赋能数字孪生轻量化新体验
点量云流化—赋能数字孪生轻量化新体验受数字孪生相关政策驱动，各领域政企用户对其需求日益明显，且随相关企业数量及规模的发展，数字孪生内容呈现爆发增长态势。与此同时也出现了一些问题。 点量云流可作为底层网络和传输的技术支撑，赋能数字孪生领域，提供更好的解决方案。1. 内部部署、视频传输内部服务器部署，内外网均可使用；视频流传输，无实际数据上传下载；真正实现各领域的数字化治理。2. 云流化技术领先与通用类收发数据、制作引擎自有推流方案，云桌面、实时云渲染等远程控制类产品相比，点量云流技术均具备独特优势。图片点量云流解决方案为业主带来哪些价值？1. 2. 集中式中心建设费用降低，降低成本点量云流方案分散了中央控制室、中央展厅的功能作用，可以直接充分利用原有体系网络内设备，降低整体建设和设备配置的费用，降低了系统运营维护的成本。3. 点量云流数字孪生可以应用哪些行业？图片
70450编辑于 2022-12-05 - 来自专栏点云PCL
PCL点云特征描述与提取（2）
直方图所在的高维超空间为特征表示提供了一个可度量的信息空间，对点云对应曲面的6维姿态来说它具有不变性，并且在不同的采样密度或邻域的噪音等级下具有鲁棒性。 查询点 的PFH计算的影响区域 为了计算两点Pi和Pj及与它们对应的法线Ni和Nj之间的相对偏差，在其中的一个点上定义一个固定的局部坐标系，如图2所示。 ? ? 如图3所示，就是点云中不同点的点特征直方图表示法的一个例子，在某些情况下，第四个特征量d在通常由机器人捕获的2.5维数据集中的并不重要，因为临近点间的距离从视点开始是递增的，而并非不变的，在扫描中局部点密度影响特征时 //打开点云文件估计法线等 //创建PFH估计对象pfh，并将输入点云数据集cloud和法线normals传递给它pcl::PFHEstimation<pcl::PointXYZ,pcl::Normal pfh特征向量 PFHEstimation类的实际计算程序内部只执行以下： 对点云P中的每个点p 1.得到p点的最近邻元素 2.对于邻域内的每对点，计算其三个角度特征参数值 3.将所有结果统计到一个输出直方图中
1.5K20发布于 2019-07-31 - 来自专栏我的随笔
【玩转Lighthouse】腾讯轻量云不轻量
今年我在腾讯云买了一个三年的 2核4G的8M的机器，前段时间腾讯云又给2核免费升级成4核了，所以就是很良心，不知道腾讯云怎么赚钱的。 ] 腾讯云的轻量云的 CPU 性能其实蛮强的，我手里有mac book air处理器是m1芯片，也就是之前各个媒体吹的很牛的 CPU 自己具体算了一下，部署在mac上的jupyter和腾讯上的做了一个对比同样是计算一个代码 只要我数据量不是特别大，那么我这个 Lighthouse 完全可以做大部分事情. 总结 就像我题目所说的 腾讯轻量云不轻量 那样，腾讯轻量云可以搭建很多服务，CPU很强的，完全可以胜任你的一般工作，然后就是计算，免费的公网ip加上大带宽，一年的费用也很低，可以说对于个人来说真的很强了 ，人们经常讲，云服务云服务，怎么才能实现云服务？
10.8K120编辑于 2022-04-12 - 来自专栏javascript趣味编程
6.2 粘性流体涡量-流函数法求解流场
如何处理压力是核心问题，涡量-流函数方法很好的解决了该难题。将求解速度场和压力场转变为求解涡量和流函数。 而速度场与流函数关系如下： Matlab file exchange上一个涡量-流函数方法计算流动的例子，使用Matlab计算流体流动，代码如下： clear;%参数设置Re=10; n xi(i,1)=-2*(psi(i,2)-psi(i,1))/dh^2; xi(i,n+1)=-2*(psi(i,n)-psi(i,n+1))/dh^2; end for j=2:n xi(1,j)=-2*(psi(2,j)-psi(1,j)+dh)/dh^2; xi(n+1,j)=-2*(psi(n,j)-psi(n+1,j))/dh^2; end 我用javascript写了类似的程序，并用js做了后处理，流场结果如下，Contour就是流函数，而流函数的等值线就是流线： 涡量： X方向速度： Y方向速度： 感兴趣的读者可以自行实现程序开发
2.4K20发布于 2019-04-26 - 来自专栏全栈程序员必看
点云数据标注_点云数据采集
Eg..Pi={Xi, Yi, Zi,…….}表示空间中的一个点， 则Point Cloud={P1, P2, P3,…..Pn}表示一组点云数据。 二：点云数据的获得 大多数点云数据是由3D扫描设备产生的，例如激光雷达(2D/3D)，立体摄像头(stereo camera)，越渡时间相机(time-of-flight camera 这些像素在一个3D灰度文件里面是如下形式 灰度像素点云数据：X1， Y1， Z1，灰度值1 X2， Y2， Z2，灰度值2 同样的，这些像素在一个rgb文件里面是如下形似 彩色点云数据：X1, Y1, Z1, r1, g1, b1 X2 , Y2, Z2, r2, g2, b2 ……………… 一般来说，每个扫描仪制造商和每个点云数据处理软件制造商都有他们各自特定的二进制文件。
2.8K30编辑于 2022-09-20 - 来自专栏计算机视觉工坊
PV-RAFT：用于点云场景流估计的点体素相关场（CVPR2021）
在2019和2020年的CVPR上均有关于点云场景流的相关工作，今天介绍的是2021年CVPR上最新的关于点云场景流的工作。 机器人和人机交互中的许多应用都可以从理解动态环境中点的三维运动中获益，这种运动被广泛称为场景流。相较于静态的点云，点云场景流估计更侧重于计算两个连续帧之间的3D运动场，这为场景提供了重要的动态信息。 以往的方法大多以立体图像和RGB-D图像作为输入，很少有直接从点云估计场景流的方法。随着3D数据变得更容易获得，许多工作最近开始关注点云的场景流估计。 核心方法： 为了构建所有点对场，设计一个可以同时捕获局部和全局关系的相关量是很重要的。这里主要解释如何在点云上构建点体素相关场。 作者首先基于所有对之间的特征相似性构建一个完整的相关卷积。 ： （1）特征提取：分层点云特征学习。 （2）相关场构建：我们基于主特征E (P1)、E (P2) 构建全对相关场C。用于后续迭代更新。 （3）迭代场景流估计：迭代流估计从初始化状态f0 = 0开始。
1.4K70发布于 2021-08-24 - 来自专栏全栈程序员必看
pcl点云合并_pcl点云重建
本节记录下点云聚类方法 1.欧式聚类分割方法 //为提取点云时使用的搜素对象利用输入点云cloud_filtered创建Kd树对象tree。 ，用于存储实际的点云信息 首先创建一个Kd树对象作为提取点云时所用的搜索方法，再创建一个点云索引向量cluster_indices，用于存储实际的点云索引信息，每个检测到的点云聚类被保存在这里。 > cluster_indices; pcl::EuclideanClusterExtraction ec; ec.setClusterTolerance (0.02); //设置近邻搜索的搜索半径为2cm 因为点云是PointXYZ类型的，所以这里用点云类型PointXYZ创建一个欧氏聚类对象，并设置提取的参数和变量。 为了从点云索引向量中分割出每个聚类，必须迭代访问点云索引，每次创建一个新的点云数据集，并且将所有当前聚类的点写入到点云数据集中。
2.5K20编辑于 2022-11-01 - 来自专栏实时云渲染
实时云渲染解决像素流2更新带来的UE引擎版本适配及云推流插件迁移问题
官方描述上看，目前原始像素流送插件和像素流送2插件随虚幻引擎一并提供，而所有从原始像素流送插件迁移到新像素流送2插件的用户，都将面临或多或少的修改工作。 传统像素流送插件迁移至新像素流2插件面临挑战至少有如下几条开发要求需要调整：UE 版本与像素流送基础架构分支的匹配：对于虚幻引擎5.5版本的像素流送2，你应使用像素流送基础架构的UE5.5分支。 实时云渲染解决像素流插件迁移带来的风险、降低开发难度如何从根本上解决引擎升级、版本迭代造成的成几何倍数增加的工作量与不确定性，开发者们可以从根本上转变思路，即：专注于 UE 程序本体的开发，对于引擎之上依赖过多的各种插件 ，进行剥离，采用松耦合的方式降低风险和开发变更的工作量。 采用实时云渲染技术实现0代码迁移的推流服务UE应用无需集成像素流插件/无需修改程序，在客户预期要部署的渲染服务器（私有化或腾讯云公有云服务器均可）上，，直接通过LarkXR管理后台上传应用，即可实现在指定网络下的推流
69310编辑于 2025-09-15 - 来自专栏青柠小鱼
Java知识点——IO流
IO流 1.1 什么是IO流 I input 输入流 read 读取数据 O output 输出流 write 写入数据 一般情况下都是按照当前程序使用的内存为参照物来考虑数据的走向问题。 打开文件，关闭文件消耗资源较少 2. 1GB散文件就需要不断的打开，关闭资源 操作时间的消耗和打开文件，关闭文件或者说打开硬盘，关闭硬盘有直接关系 IO流基类 InputStream 输入流基类 read OutputStream 输出流基类 write 1.2 IO流分类 流向分类 输入输出 文件操作处理单元分类 字节流和字符流 FileInputStream 文件操作输入字节流 关闭资源 */ public class Demo2 { public static void main(String[] args) { writeTest2 1.4.1 字符流特征 字符流 = 字节流 + 解码过程 字节组合操作 ==> 对应当前环境编码集的一个字符 如果字符找不到，该数据无效，需要被删除。
55310发布于 2020-03-18 - 来自专栏青柠小鱼
Java知识点——Stream流
带有很多Stream流操作的方法， filter，limit，map，sorted，skip...这些方法大多是都会使用到函数式接口，那就意味着有lambda表达式 2. .*; import java.util.stream.Stream; /** * Stream流获取方式 * 1. Collection集合 * 2. 骚杰,66"); list.add("3,老黑,46"); list.add("4,老付,36"); list.add("5,污云,56"); 骚杰,65"); list1.add("3,老黑,45"); list1.add("4,老付,56"); list1.add("5,污云,56"); 3,老黑,45"); list2.add("4,老付,56"); list2.add("5,污云,56"); list2.add("6,帅栋,26");
64620发布于 2020-03-23 - 来自专栏视频加密
实时渲染为什么快，能不能局域网部署点量云
但现在随着实时渲染和云渲染行业的发展，通过很多方式可以提升渲染的时间和效率。可能会有疑问为什么实时渲染为什么这么快呢？ 如果是对实时性要求不高的渲染，可以借助海量的云服务器完成，这样不仅仅是显卡的性能更好而且数量更多，因此效率就的得到了很大的提升。 虽然点量云在这里将整个过程做了拆解，但实际上该过程是非常快的，保持在毫秒级上。对用户的眼睛来说是无感知的，就像看视频一样的效果。 而这取决于两方面，一个是串流技术的基本，在就是针对不同的情况实时云渲染厂家对该部分作个更优的处理。 在某些情况下可能需要局域网或者私有网络部署，点量云实时渲染也完全没问题。
1.1K10编辑于 2023-02-22 - 来自专栏机器人课程与技术
ROS1云课→06节点消息流（计算图级）
ROS1云课→05消息类型 ---- 节点之间通过ROS1消息进行通信，当然这还需要网络层。 ROS1会创建一个连接到所有进程的网络。 ROS2使用DDS。 导航案例： 图形化展示节点信息流工具： ----
96320编辑于 2022-09-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号