AABB和OBB包围盒简介
一、AABB立方体边界框检测
用球体去近似地代表物体运算量很小，但在游戏中的大多数物体是方的或者长条形的，应该用方盒来代表物体。另一种常见的检测模型是立方体边界框，如图10-31展示了一个AABB检测盒和它里面的物体。
坐标轴平行（Axially-aligned）不仅指盒体与世界坐标轴平行，同时也指盒体的每个面都和一条坐标轴垂直，这样一个基本信息就能减少转
换盒体时操作的次数。AABB技术在当今的许多游戏中都得到了应用，开发者经常用它们作为模型的检测模型，再次指出，提高精度的同时也会降低速度。
因为AABB总是与坐标轴平行，不能在旋转物体时简单地旋转AABB，而是应该在每一帧都重新计算。如果知道每个对象的内容，这个计算就不算困难，也不会降低游戏的速度。然而，还面临着精度的问题。
假如有一个3D的细长刚性直棒，并且要在每一帧动画中都重建它的AABB。可以看到每一帧中的包装盒都不一样而且精度也会随之改变，如图10-32所示。
& &图10-31&
3D模型与AABB检测盒&&&&&&&&&&&&&&&&&&&&
图10-32& 不同方向的AABB
可以注意到AABB对物体的方向很敏感，同一物体的不同方向，AABB也可能不同（由于球体只有一个自由度，所以检测球对物体方向不敏感）。
当物体在场景中移动时，它的AABB也需要随之移动，当物体发生旋转时，有两种选择：用变换后的物体来重新计算AABB，或者对AABB做和物体同样的变换。
如果物体没有发生扭曲，可以通过“变换后的AABB”重新计算，因为该方法要比通过“变换后的物体”计算快得多，因为AABB只有8个顶点。变换AABB得出新的AABB要比变换物体的运算量小，但是也会带来一定的误差，如图10-33所示。
比较图中原AABB（灰色部分）和新AABB（右边比较大的方框），它是通过旋转后的AABB计算得到的，新AABB几乎是原来AABB的两倍，注意，如果从旋转后的物体而不是旋转后的AABB来计算新AABB，它的大小将和原来的AABB相同。
先介绍AABB的表达方法，AABB内的点满足以下条件：
xmin≤x≤xmax
ymin≤y≤ymax
zmin≤z≤zmax
因此只需要知道两个特别重要的顶点（xmin，ymin，zmin）、（xmax，ymax，zmax），记作：
float[] min = new float []{0.0f,0.0f,0.0f};
float[] max = new float []{0.0f,0.0f,0.0f};
中心点是两个顶点的中点，代表了包装盒的质点。
float[] center = new float []{0.0f,0.0f,0.0f};
中心点的计算方法如下：
float [] center(){&
& center[0] = (min[0] + max[0])*0.5f;
& center[1] = (min[1] + max[1])*0.5f;
& center[2] = (min[2] + max[2])*0.5f;
通过这两个顶点可以知道以下属性。
float xSize() { return (max[0]-min[0]); }
float ySize() { return (max[1]-min[1]); }
float zSize() { return (max[2]-min[2]); }
float size(){ return
(max[0]-min[0])*(max[1]-min[1])*(max[2]-min[2]);}
当添加一个顶点到包装盒时，需要先与这两个顶点进行比较。
void add(float []p) {&
&& if (p[0] & min[0])
min[0] = p[0];
&& if (p[0] & max[0])
max[0] = p[0];
&& if (p[1] & min[1])
min[1] = p[1];
&& if (p[1] & max[1])
max[1] = p[1];
&& if (p[2] & min[2])
min[2] = p[2];
&& if (p[2] & max[2])
max[2] = p[2];
检测包装盒是否为空，可以将这两个顶点进行比较。
boolean isEmpty() {
&& return (min[0] & max[0])
|| (min[1] & max[1]) || (min[2] & max[2]);
检测某个点是否属于AABB范围之内的代码如下：
boolean contains(float []p){&
&= min[0]) && (p[0] &= max[0]) &&
&= min[1]) && (p[1] &= max[1]) &&
&= min[2]) && (p[2] &= max[2]);
AABB的静态检测比较简单，检测两个静止包装盒是否相交，它是一种布尔测试，测试结果只有相交或者不相交。这里我们还提供了获取相交范围信息的方法，一般来说，这种测试的目的是为了返回一个布尔值。碰撞的示意如图10-34所示。
图10-34& 包装盒的碰撞
检测静态AABB碰撞的方法如下：
boolean intersectAABBs(AABB box2,AABB boxIntersect)
&& float []box2_min =
box2.getMin();
&& float []box2_max =
box2.getMax();
&& if (min[0] &
box2_max[0])
&& if (max[0] &
box2_min[0])
&& if (min[1] &
box2_max[1])
&& if (max[1] &
box2_min[1])
&& if (min[2] &
box2_max[2])
&& if (max[2] &
box2_min[2])
&& if (boxIntersect != null)
float []box_intersect_min = new float[3];
&float []box_intersect_max = new float[3];
box_intersect_min[0] = Math.max(min[0], box2_min[0]);
box_intersect_max[0] = Math.min(max[0], box2_max[0]);
box_intersect_min[1] = Math.max(min[1], box2_min[1]);
box_intersect_max[1] = Math.min(max[1], box2_max[1]);
box_intersect_min[2] = Math.max(min[2], box2_min[2]);
box_intersect_max[2] = Math.min(max[2], box2_max[2]);
可以利用AABB的结构来加快新的AABB的计算速度，而不用变换8个顶点，再从这8个顶点中计算新AABB。下面简单地回顾4&4矩阵变换一个3D点的过程。
通过原边界框（xmin，ymin，zmin，xmax，ymax，zmax）计算新边界框（，，，，，），现在的任务是计算的速度。换句话说，希望找到m11x+m12y+m13z+m14的最小值。其中[x，y，z]是原8个顶点中的任意一个。
变换的目的是找出这些点经过变换后哪一个的x坐标最小。看第一个乘积m11x，为了最小化乘积，必须决定是用xmin还是xmax来替换其中的x。显然，如果m11＞0，用xmin能得到最小化的乘积；如果m11＜0，则用xmax能得到最小化乘积。
比较方便的是，不管xmin还是xmax中哪一个被用来计算，都可以用另外一个来计算。可以对矩阵中的9个元素中的每一个都应用这个计算过程（其他元素不影响大小）。
根据变换矩阵和原有的AABB包装盒计算新的AABB包装盒的代码如下：
void setToTransformedBox(Transform t)
&& if (isEmpty())
{&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//判断包装盒是否为空
&& float[] m = new float
t.get(m);&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//将变换矩阵存入数组
minx=0,miny=0,minz=0;
maxx=0,maxy=0,maxz=0;
&& minx +=
m[3];&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//x方向上平移
&& maxx +=
m[3];&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//x方向上平移
&& miny +=
m[7];&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//y方向上平移
&& maxy +=
m[7];&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//y方向上平移
&& minz +=
m[11];&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//z方向上平移
&& maxz +=
m[11];&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//z方向上平移
&& if (m[0] & 0.0f) {
minx += m[0] * min[0]; maxx += m[0] * max[0];
&& } else {
minx += m[0] * max[0]; maxx += m[0] * min[0];
&& if (m[1] & 0.0f) {
minx += m[1] * min[1]; maxx += m[1] * max[1];
&& } else {
minx += m[1] * max[1]; maxx += m[1] * min[1];
&& if (m[2] & 0.0f) {
minx += m[2] * min[2]; maxx += m[2] * max[2];
&& } else {
minx += m[2] * max[2]; maxx += m[2] * min[2];
&& if (m[4] & 0.0f) {
miny += m[4] * min[0]; maxy += m[4] * max[0];
& } else {
miny += m[4] * max[0]; maxy += m[4] * min[0];
&& if (m[5] & 0.0f) {
miny += m[5] * min[1]; maxy += m[5] * max[1];
&& } else {
miny += m[5] * max[1]; maxy += m[5] * min[1];
&& if (m[6] & 0.0f) {
miny += m[6] * min[2]; maxy += m[6] * max[2];
&& } else {
miny += m[6] * max[2]; maxy += m[6] * min[2];
&& if (m[8] & 0.0f) {
minz += m[8] * min[0]; maxz += m[8] * max[0];
&& } else {
minz += m[8] * max[0]; maxz += m[8] * min[0];
&& if (m[9] & 0.0f) {
minz += m[9] * min[1]; maxz += m[9] * max[1];
&& } else {
minz += m[9] * max[1]; maxz += m[9] * min[1];
&& if (m[10] & 0.0f) {
minz += m[10] * min[2]; maxz += m[10] * max[2];
&& } else {
minz += m[10] * max[2]; maxz += m[10] * min[2];
&& min[0] = min[1] =
//用新的AABB坐标替换原有坐标
&& max[0] = max[1] =
max[2] = &&
//用新的AABB坐标替换原有坐标
为了使用AABB包装盒进行碰撞检测，将这些方法和属性封装为AABB类，代码如下：
import java.lang.M
import javax.microedition.m3g.T
class AABB{&
&& public AABB(){}
&& float [] getMin(){return
&& float [] getMax(){return
&& void setMin(float x,float
y,float z){min[0]=x;min[1]=y;min[2]=z;}
&& void setMax(float x,float
y,float z){max[0]=x;max[1]=y;max[2]=z;}
&& void reset(){
&&for(int i =0;i&3;i++)
&&&&&&&max[i]=0;
&& //其他方法同上
为了检验碰撞检测的使用构造了两个立方体，并各自绑定了一个包装盒。
mesh1 = createCube();
&&&&&&&&&&&&&&&&&&&&&&&&&&
//创建立方体1
mesh1.setTranslation(1.0f, 0.0f,0.0f)
;&&&&&&&&&
mesh1.setOrientation(90,0.0f,1.0f,0.0f);&&&&&&&&
mesh1.setScale(0.5f,0.5f,0.5f);&&&&&&&&&&&&&&&&&
box1 = new
AABB();&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
box1.setMin(-1.0f,-1.0f,-1.0f);&&&&&&&&&&&&&&&&&
//设置包装盒1的最小顶点
box1.setMax(1.0f,1.0f,1.0f);&&&&&&&&&&&&&&&&&&&&
//设置包装盒1的最大顶点
mesh1.getCompositeTransform(cubeTransform);&&&&&
//获取立方体1的混合矩阵
box1.setToTransformedBox(cubeTransform);&&&&&&&&
//将变换矩阵应用到包装盒中
world.addChild(mesh1);&&&&&&&&&&&&&&&&&&&&&&&&&&
//将立方体1添加到场景中
createCube();&&&&&&&&&&&&&&&&&&&&&&&&&&&
//创建立方体2
mesh2.setTranslation(-0.5f, 0.0f,0.0f)
mesh2.setScale(0.5f,0.5f,0.5f);
&&&&&&&&&&&&&&&&
box2 = new
AABB();&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
box2.setMin(-1.0f,-1.0f,-1.0f);
&&&&&&&&&&&&&&&&
//设置包装盒2的最小顶点
box2.setMax(1.0f,1.0f,1.0f);
&&&&&&&&&&&&&&&&&&&
//设置包装盒2的最大顶点
mesh2.getCompositeTransform(cubeTransform);&&&&&
//获取立方体2的混合矩阵
box2.setToTransformedBox(cubeTransform);&&&&&&&&
//将变换矩阵应用到包装盒2中
world.addChild(mesh2);&&&&&&&&&&&&&&&&&&&&&&&&&&
//将立方体2添加到场景中
检测包装盒1和包装盒2是否碰撞的代码如下：
isCollided =
box1.intersectAABBs(box2,null);&&&&
//检测两个AABB包装盒是否碰撞
编译运行程序，设置两个立方体不同的位置和角度，可以比较精确地检测出它们的碰撞情况，如图10-35所示。
检测两个静止AABB的碰撞情况比较简单，只需要在每一维上单独检查它们的重合程度即可。如果在所有维上都没有重合，那么这两个AABB就不会相交。
AABB间的动态检测稍微复杂一些，考虑一个由顶点smin和smax指定的静态包装盒和一个由顶点mmin和mmax指定的动态包装盒（如果两个都是动态的，可以根据相对运动视作如此）。运动的速度由向量s给出，运动时间t假定为0～1。
图10-35& 静态物体碰撞检测示意
移动检测的目标是计算运动AABB碰撞到静态AABB的时刻，因此需要计算出两个AABB在所有维上的第一个点。为了简化起见，可以把上述问题先归结到某一维，然后再将三维结合到一起。假设把问题投影到x轴，如图10-36所示。
图10-36& AABB的动态检测
黑色矩形代表沿坐标轴滑动的AABB，t=0时，运动AABB完全位于静止AABB的左边。当t=1时，运动AABB完全位于静止AABB的右边。当t=tenter时，两个AABB刚刚相交，当t=tleave时，两个AABB脱离碰撞。
对照上图，可以推导出两个AABB接触和离开的时间：
AABB的动态检测有3个要点。
如果速度为0，两个包装盒要么一直相交，要么一直分离。
不管物体从哪个方向运动，碰撞过程中，肯定是先入后出，所以有tenter＜tleave。
如果tenter和tleave超出运动时间范围，那么在此范围内它们是不相交的。
检测出某一维的碰撞还不够，还需要进行其他两维的检测，然后取结果的交集。如果交集为空，那么两AABB包装盒没有相交，如果区间范围在时间段[0，1]之外，那么在此区间也不相交。对AABB进行动态检测的方法定义如下：
float intersectMovingAABB(AABB stationaryBox,AABB
movingBox,float []s)
NoIntersection =
1e30f;&&&&&&&&&&&&&&&&&&&&&
//没有碰撞则返回大数
0.0f;&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//初始化碰撞时间
1.0f;&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//初始化离开时间
0.0f;&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//交换操作中间变量
& &&float []
stationaryBox.getMin();&&&&&&&&&
//静止包装盒的最小值顶点
& &&float []
stationaryBox.getMax();&&&&&&&&&
//静止包装盒的最大值顶点
& &&float []
movingBox.getMin();&&&&&&&&&&&&&
//运动包装盒的最小值顶点
& &&float []
movingBox.getMax();&&&&&&&&&&&&&
//运动包装盒的最大值顶点
& &&if (s[0]
{&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//如果x方向速度为0
if ((sBoxmin[0] &= mBoxmax[0]) ||(sBoxmax[0] &= mBoxmin[0]))
&&&&&&&&&&
NoI&&&&&&&&&&&&&&&&&&&&&&
//进行静态检测
& &&} else
float xEnter =
(sBoxmin[0]-mBoxmax[0])/s[0];&&&
//计算碰撞时间
float xLeave = (sBoxmax[0]-mBoxmin[0])/
s[0];&& //计算离开时间
if (xEnter & xLeave)
{&&&&&&&&&&&&&&&&&&&&&&&&&
//检查顺序
&&&&&&&&&&
&&&&&&&&&&
xEnter = xL
&&&&&&&&&&
xLeave = S
if (xEnter & tEnter) tEnter =
xE&&&&&&&&&&
//更新区间
if (xLeave & tLeave) tLeave = xL
if (tEnter & tLeave)
{&&&&&&&&&&&&&&&&&&&&&&&&&
//是否导致空重叠区
&&&&&&&&&&
NoI&&&&&&&&&&&&&&&&&&&&&&
//没有碰撞
& &&if (s[1]
{&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//y轴速度为0
if ( (sBoxmin[1] &= mBoxmax[1]) || (sBoxmax[1] &=
mBoxmin[1])) {
&&&&&&&&&&
NoI&&&&&&&&&&&&&&&&&&&&&&
//没有相交
& &&} else
float yEnter = (sBoxmin[1]-mBoxmax[1]) / s[1];
float yLeave = (sBoxmax[1]-mBoxmin[1]) / s[1];
if (yEnter & yLeave) {
&&&&&&&&&&
&&&&&&&&&&
yEnter = yL
&&&&&&&&&&
yLeave = S
if (yEnter & tEnter) tEnter =
yE&&&&&&&&&&
//更新区间
if (yLeave & tLeave) tLeave = yL
if (tEnter & tLeave) {
&&&&&&&&&&
return NoI
& &&if (s[2]
{&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//z方向速度为0
if ((sBoxmin[2] &= mBoxmax[2]) ||(sBoxmax[2] &= mBoxmin[2]))
&&&&&&&&&&
return NoI
& &&} else
float oneOverD = 1.0f / s[2];
float zEnter = (sBoxmin[2]-mBoxmax[2]) / s[2];
float zLeave = (sBoxmax[2]- mBoxmin[2]) / s[2];
if (zEnter & zLeave) {
&&&&&&&&&&
&&&&&&&&&&
zEnter = zL
&&&&&&&&&&
zLeave = S
if (zEnter & tEnter) tEnter =
zE&&&&&&&&&&
//更新区间
if (zLeave & tLeave) tLeave = zL
if (tEnter & tLeave) {
&&&&&&&&&&
return NoI
& &&return
tE&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
//返回碰撞时间
为了对移动AABB进行检测，创建两个AABB如图10-37所示。两个包装盒距离0.5，速度为3。
图10-37& 移动AABB检测
检测代码如下：
float[] speed = new float []{3.0f,0.0f,0.0f};
float tEnter = intersectMovingAABB(box1,box2,speed);
输出结果为0.16667，完全符合预期的猜测。
二、OBB包围盒
前面提到了长条物体在旋转时AABB盒的变化，那么是否有能够在任意方向都更为精确的检测方式，答案是肯定的，这是一种基于OBB即定向包容盒子（Oriented
Bounding Box,OBB）的技术，它已经广泛用于光线追踪和碰撞检测中。
OBB这种方法是根据物体本身的几何形状来决定盒子的大小和方向，盒子无须和坐标轴垂直。这样就可以选择最合适的最紧凑的包容盒子。OBB盒子的生成比较复杂。一般是考虑物体所有的顶点在空间的分布，通过一定的算法找到最好的方向(OBB盒子的几个轴)。
一个2D示意图如图10-38所示。
这种技术比AABB技术更精确而且更健壮，但OBB实现起来比较困难，执行速度慢，并且不太适合动态的或柔性的物体。特别注意的是，当把一个物体分得越来越小的时候，事实上是在创建一棵有层次的树，如图10-39所示。
图10-39& OBB树的生成（曲折线为物体）
为任意的网格模型创建OBB树可能是算法里最难的一个部分，而且它还要调整以适合特定的引擎或游戏类型。从图中可以看出，不得不找出包围给定模型的最近似的包装盒（或者其他3D体）。
现在得到了所有的包装盒，下一步将构造一棵树。
从最初的AABB包装盒开始从上至下地反复分割它。另外，还可以用从下至上的方式，逐步地合并小包装盒从而得到最大的包装盒。把大的包装盒分割成小的包装盒，应该遵守以下几条原则。
（1）用一个面（这个面垂直于包装盒中的一条坐标轴）来分割包装盒上最长的轴，然后根据多边形处在分割轴的哪一边把多边形分离开来（如图10-38所示）。
（2）如果不能沿着最长的轴进行分割，那就沿第二长的边分割。持续地分割直到包装盒不能再分割为止。
（3）依据需要的精度（比如，是否真的要判断单个三角形的碰撞），可以按选择的方式（是按树的深度或是按包装盒中多边形的数目）以任意的条件停止分割。
正如读者所看到的，创建阶段相当复杂，其中包括了大量的运算，很明显不能实时地创建树，只能是事先创建。事先创建可以免去实时改变多边形的可能。另一个缺点是OBB要求进行大量的矩阵运算，不得不把它们定位在适当的地方，并且每棵子树必须与矩阵相乘。
现在假设已经有了OBB或者AABB树。那么该怎么进行碰撞检测呢？首先检测最大的包装盒是否相交（AABB级别），如果相交了，它们可能（注意，只是可能）发生了碰撞，接下来将进一步地递归处理它们（OBB级别，不断地递归用下一级进行处理）。
如果沿着下一级，发现子树并没有发生相交，这时就可以停止，并得出结论没有发生碰撞。如果发现子树相交，那么要进一步处理它的子树直到到达叶子节点，并最终得出结论。
碰撞检测最直观的想法是把一个OBB盒子的每个边都和另一个盒子的所有面来比较，如果这个边穿过了另一个OBB盒子的一个面，则两个OBB盒子发生了碰撞。显然这种方法的计算量是比较大的，因为要进行12&6&2=144次边和面的比较。
但是，在考察两个没有碰撞的OBB盒子时，人们发现一些规律来简化比较。
（1）如果两个OBB盒子不互相接触，则应该可以找到一个盒子上的一个面，这个面所在的平面可以把3D空间分为两部分，两个OBB盒子各在两边。
（2）如果没有这样的表面存在，则一定可以在两个OBB盒子上各找出一条边，这两条边所在的平面可以把两个OBB盒子分在两边。有了这个平面，就可以找到垂直于它的分割轴（separating
axis），如图10-40所示。
（3）进行相交测试时，可以把包装盒投影到分割轴上，并检查它们是否线性相交。两个OBB盒子在这个分割轴上的投影将是分离的。
如上所述，要判断两个OBB盒子是否碰撞，只需要看两个OBB盒子之间是否有这样的平面和分割轴存在。如果存在，则没有碰撞。如果不存在，则碰撞。
对第一种情况，每个盒子有6个表面(其中每两个平行)，可以决定3个分割轴。两个OBB盒子一共有6个可能的分割轴需要考虑。对第二种情况，两个OBB盒
子之间的边的组合可以有3&3=9种情况，也就是有9个可能的分割轴。这样对任意两个OBB盒子，只需要考察15个分割轴就可以了。如果在任一分割轴上的
阴影不重合，则OBB盒子之间没有碰撞。
选择AABB还是选择OBB应该根据所需的精确程度而定。对一个需要快速反应的3D射击游戏来说，可能用AABB来进行碰撞检测更好些——可以牺牲一些精度来换取速度和实现的简单化，因此总能在游戏中看到一些小疏漏。当然随着硬件能力的提高，OBB处理会逐渐被重视起来。
在做碰撞检测时应当遵循以下的优化理论，这样可以改善检测速度。
分两步检验，距离远时看作质点，距离近时采用包装盒。
距离很远的物体不会在短时间内相撞（可以采用BSP树分割空间）。
一个物体不能隔着第二个物体和第三个物体相撞。
一旦一个物体检测到和另一物体碰撞，另一物体对这个物体不再检测。
静止的物体不主动与其他物体碰撞。
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。nihemian 找三维激光扫描点云的k个紧邻点，用的是空间包围盒的方法 matlab 263万源代码下载-
&文件名称: nihemian& & [
& & & & &&]
&&所属分类:
&&开发工具: matlab
&&文件大小: 599 KB
&&上传时间:
&&下载次数: 234
&&提 供 者:
&详细说明：找三维激光扫描点云的k个紧邻点，用的是空间包围盒的方法-k jinlin
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&拟合面&&......\PP.mat&&......\VC调用matlab 网址.doc&&......\Vector.asv&&......\Vector.m&&......\a1.asc&&......\a1.mat&&......\a2.asc&&......\eigfitplane.asv&&......\eigfitplane.m&&......\eigfitplane2.asv&&......\eigfitplane2.m&&......\fenge.asv&&......\fenge.m&&......\fenge程序找特征点图（结果不符合）.fig&&......\kd树网址.doc&&......\midu.asv&&......\midu.m&&......\tuxiang.m&&......\一种稳健的点云数据平面拟合方法.caj&&......\去噪后dianyun.mat&&......\去噪后点云图.fig
&[]:一般，勉强可用&[]:一般，勉强可用&[]:差&[]:一般，勉强可用&[]:文件不全&[]:一般，勉强可用&[]:很好，推荐下载&[]:一般，勉强可用&[]:很好，推荐下载&[]:很好，推荐下载
&近期下载过的用户:
&&&&&&&&&&&&&&&&&&&&&[]
&相关搜索:
&输入关键字，在本站263万海量源码库中尽情搜索：
&[] - 本人写的三维点云精简程序，用于激光三维扫描数据的弦高-角度法的实现。附带一些激光扫描仪的点云数据
&[] - 维纳斯的点云文件，有需要的下。
&[] - 点云数据的显示，变换坐标，滤波去噪，可以读取点云并进行预处理
&[] - 用于求取三维点云数据的法向量，我的人脸建模就是用的这个，效果很好，但必须保证点云没有重叠的，否则会出现严重错误。
&[] - 一个经典的roam算法
打开后可见包围盒,网格细分
体现了lod of detail
&[] - 迭代最近点（ICP）算法 包括Kd-tree搜索实现
&[] - AABB包围盒碰撞检测AABB包围盒碰撞检测
&[] - 很不错的流形学习算法 包含了MDS PCA ISOMAP LLE等算法
&[] - 双目的程序代码集合，用与三维重　建使　用的
&[] - 三维重建4的收费论文和书籍，很难下载到的，学习三维重建技术的人不下会后悔的，denosei 采用最小包围盒算法，对隧道点云进行去噪，主要应 领域 Mathimatics-Numerical algorithms 数值 /人工智能 272万源代码下载-
&文件名称: denosei& & [
& & & & &&]
&&所属分类:
&&开发工具: Visual C++
&&文件大小: 1350 KB
&&上传时间:
&&下载次数: 40
&&提 供 者:
&详细说明：采用最小包围盒算法，对隧道点云进行去噪，主要应用于隧道领域-Using the smallest bounding box algorithm for point cloud denoising tunnel, the tunnel is mainly used in the field
文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):
&&去噪拟合椭圆&&............\1.cpp&&............\1.dsp&&............\1.dsw&&............\1.ncb&&............\1.opt&&............\1.plg&&............\Debug&&............\.....\1.exe&&............\.....\1.ilk&&............\.....\1.obj&&............\.....\1.pch&&............\.....\1.pdb&&............\.....\denosie.obj&&............\.....\Matrix.obj&&............\.....\OBB.obj&&............\.....\vc60.idb&&............\.....\vc60.pdb&&............\Matrix.cpp&&............\Matrix.h&&............\OBB.cpp&&............\OBB.h
&[]:很好，推荐下载
&近期下载过的用户:
&输入关键字，在本站272万海量源码库中尽情搜索：
&[] - 计算三维散乱点云的曲率，包括主曲率，高斯曲率和平均曲率。详细内容请见readme文件和demo文件
&[] - 通过点云数据的格网化，建立格网分块索引，这是一种有效的点云数据存储方式。
&[] - 用C++编写的实现LIDAR点云的读取和滤波的程序代码。
&[] - 点云压缩 三维显示 数据输出到文本，并实现数据的输出和保存
&[] - PCA分类，用于较好的去噪降维，matlab的各种自适应仿真分析。。自适应信息处理的算法、方案繁多，究其实质可归纳为遵循最小均方误差(Least Mean Square，LMS)准则及最小二乘
&[] - 采用laplace算子点云滤波
采用laplace算子点云滤波
&[] - 基于BP神经网络的点云去噪算法,关于点云去噪很好的一种方法
&[] - 基于八叉树的三维激光扫描点云数据压缩，根据曲率进行分块压缩。
&[] - 使用包围盒算法对三维激光点云数据进行压缩，包括完整的代码和测试数据
&[] - 在做地铁隧道的断面变形分析时，会用到中轴线的提取[转载]opencv实现最小包围盒提取
关键步骤：1，用cvFindContours提取轮廓
2，用cvSeqPush提取轮廓的特征点
&&&&&&&&&&3，用cvMinAreaRect2生成最小矩形包围盒
程序片断与说明：
//提取轮廓,pImg为待提取的二值化图像，contours返回第一个轮廓的指针，
//cvFindContours函数返回提取到的轮廓数
& CvSeq *contours=0;
&&CvMemStorage
*storage=cvCreateMemStorage(0);
&cvFindContours(pImg,storage,&contours,sizeof(CvContour),CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE);
&//提取每个轮廓的点，并存储在序列sel_point中&&&&
&& CvMemStorage *storage_sel =
cvCreateMemStorage(0);
&& CvSeq *sel_point =
cvCreateSeq(CV_32SC2,sizeof(CvSeq),sizeof(CvPoint),storage_sel);
(i=0;contours!=0;i++)
&&& for (int
j=0;j&contours-&j++)//contours-&total表示contours所指向的轮廓中的点的个数
CvPoint *pt = (CvPoint*)cvGetSeqElem(contours,j);
cvSeqPush(sel_point,pt);
contours=contours-&h_//contours-&h_next指向下一个轮廓
& //生成最小包围盒
&& CvBox2D&
&&&box_min=cvMinAreaRect2(sel_point);//box_min.center,box_min.angle,box_min.size均为可用属性
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。