[question] implement ICP registration
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 15/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- computer-vision
Direzione di ricerca
Inizia leggendo auto_pose/icp/icp.py, in particolare l’assertion secondo cui A e B hanno shape corrispondenti, quindi segui i relativi chiamanti per vedere dove vengono create le nuvole di punti sorgente e target. L’issue richiederebbe una spiegazione documentata del preprocessing dell’immagine di profondità Linemod e di come vengono selezionati i punti dell’oggetto prima di ICP.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi Martin,
I'm working on a similar pose estimation project using autoencoder, and I would like to enquire about how to implement the ICP refinement.
The situation is: I have the source point cloud A, which is generated from the object 3D model at the estimated pose. The target point cloud B, is calculated from the depth image, for example the 480*640 depth image from the Linemod dataset. My question is, the point cloud B is much bigger than A, how can I extract the points of the target object from B, and make sure B==A?
I tried to search on your code here https://github.com/DLR-RM/AugmentedAutoencoder/blob/master/auto_pose/icp/icp.py, I could only find something like "assert A.shape == B.shape", but could not get how you got A and B. Could you please help me with it?
Best,
Jianyu
- Lingua principale
- Python
- Stelle
- 364
- Fork
- 97
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di DLR-RM/AugmentedAutoencoder
-
Orientation mismatchAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
DLR-RM/AugmentedAutoencoder#130 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
DLR-RM/AugmentedAutoencoder#129 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
DLR-RM/AugmentedAutoencoder#128 · 1 commento ·
-
Data cannot be downloadedAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 20/100
DLR-RM/AugmentedAutoencoder#126 · 1 commento ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
DLR-RM/AugmentedAutoencoder#121 ·
Tutte le issue di DLR-RM/AugmentedAutoencoder
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
Arekkazu/sgpmp-backend#744 ·
I maintainer di solito rispondono entro 1 giorno
-
Review backlog (security): master-branch remote guard trusts unbound provenance package fieldApertaagent/reviewer
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
projectbluefin/utah-packages#634 ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement good first issue help wanted
Difficoltà 2/5 1-2 giorni Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
home-assistant/core#188613 ·
I maintainer di solito rispondono entro 1 giorno
-
WebsiteApertagood first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 91/100
TanbirRamim/open-source-radar#314 ·
I maintainer di solito rispondono entro 1 giorno