这是pointcloudprocess.cpp程序中的pointfilter函数
用于对输入的一组点云数据进行处理，其中包括阈值分割（使用Otsu方法）和统计异常值移除（SOR）。

核心功能

通过图像处理 获取带有道路标记的像素

百度

usage: bypy [-h] [-V] [-d] [-v] [-r RETRY] [-q] [-t TIMEOUT] [-s SLICE]
[–chunk CHUNK] [-e] [-f] [–no-resume-download]
[–include-regex INCREGEX] [–on-dup ONDUP] [–no-symlink]
[–disable-ssl-check] [–cacerts CACERTS] [–mirror MIRROR]
[–select-fastest-mirror] [–rapid-upload-only]
[–resume-download-revert-back RCOUNT] [–move]
[–processes PROCESSES] [–downloader DOWNLOADER]
[–downloader-arguments DOWNLOADER_ARGS] [–config-dir CONFIGDIR]
[-c]
[command [command …]]
bypy v1.8.2 - Python client for Baidu Yun (Personal Cloud Storage) 百度云/百度网盘 Python 客户端

点云地面分割

主要包含的程序

Extract_ground_pts()会调用Get_grid()与Seg_ground_nground_pts()
Get_grid()
Seg_ground_nground_pts()

介绍

本文解析的代码来源于 https://github.com/YuePanEdward/RoadMarkingExtraction
以下正文来源于原仓库中的”帮助文档（中文版）”以及对其代码的理解。

layout:
- draft
title: hexo博客格式控制
date: 2023-09-24 19:14:18
tags:

本文针对Next主题，不确保对于其它主题有效（但从修改模式来看，是有效的）

Next默认是会显示全文的，这样显然很不方便，因此需要一些方法去只显示前面一部分。
修改配置

如何杀死特定的编号为TCP 1081的进程

比如我们要查找1081端口的pid号，那么在终端中输入

1

netstat -ano | findstr 1081

找到LISTENING那一行，即可看到8080端口号的pid号为28808

上一步骤我们查询到8080端口号的pid号为28808，那么我们可以通过这个pid号杀死8080端口的进程，释放8080端口。

终端中输入

1

taskkill /f /pid 6748

按下回车，即可杀死进程，释放端口。

用法记录

typedef std::vector<RoadMarking, Eigen::aligned_allocator> RoadMarkings;
RoadMarkings：这是新类型的名称，是std::vector使用特定内存分配器后的类型别名。
也就是说，RoadMarkings是一个std::vector容器
但使用了Eigen::aligned_allocator来分配内存。

conda常见命令

conda create -n pointcloud python=3.6

pip install -i https://pypi.doubanio.com/simple/ –trusted-host pypi.doubanio.com pip cesiumpy
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda create -n py33 python=3.3

pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 –extra-index-url https://download.pytorch.org/whl/cu117

conda install -c “nvidia/label/cuda-11.7.1” cuda-toolkit
pip install ninja git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
pip install nerfstudio

Download some test data:

ns-download-data nerfstudio –capture-name=poster

Train model

ns-train nerfacto –data data/nerfstudio/poster

ns-process-data images –data F:\NerfData\kitchen\images –output-dir F:\NerfData\kitchen\output

C:\Users\ljtj\Desktop\COLMAP-3.8-windows-cuda\COLMAP.bat