首页 > 其他分享 >第2.0章 PCL点云滤波方法原理及代码实例最全总结

第2.0章 PCL点云滤波方法原理及代码实例最全总结

时间：2025-01-14 12:30:40浏览次数：3  
标签：include PCL ros filter pcl 点云 2.0 cloud

以下是对 PCL（Point Cloud Library）中各种滤波方法的总结，包括原理、所需头文件、机器人 SLAM 中的代码应用实例及使用说明：

一、体素网格滤波（Voxel Grid Filter）

  • 原理：

    • 体素网格滤波将三维空间划分为一个个小的立方体，即体素（Voxel）。对于每个体素，根据用户设定的体素尺寸，通过某种策略（如取平均值或中心点）将体素内的多个点合并为一个点，以此减少点云数据量。这样既可以保持点云的大致形状，又能显著降低点的数量，提高后续处理的效率。

  • 头文件：pcl/filters/voxel_grid.h

  • 代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "voxel_grid_filter_slam");
    ros::NodeHandle nh;


    // 订阅原始点云话题
    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        // 创建体素网格滤波器
        pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
        voxel_filter.setInputCloud(cloud);
        // 设置体素的尺寸，可根据实际情况调整
        voxel_filter.setLeafSize(0.1f, 0.1f, 0.1f);


        pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        // 执行滤波操作
        voxel_filter.filter(*filtered_cloud);


        // 将过滤后的点云转换为 ROS 消息
        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        // 发布过滤后的点云
        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

使用说明：

  • 首先，通过 pcl::fromROSMsg 将 sensor_msgs::PointCloud2 类型的输入点云消息转换为 pcl::PointCloud<pcl::PointXYZ> 类型的点云。
  • 创建 pcl::VoxelGrid<pcl::PointXYZ> 滤波器并设置输入点云。
  • 使用 setLeafSize 设定体素的尺寸。
  • 调用 filter 方法进行滤波，将结果存储在 filtered_cloud 中。
  • 最后通过 pcl::toROSMsg 将过滤后的点云转换为 sensor_msgs::PointCloud2 并发布。

二、直通滤波（Pass Through Filter）

  • 原理：

    • 允许用户根据指定的维度（如 x, y, z）和范围，仅保留该维度上处于指定范围内的点。例如，设置 z 维度的范围为 [0.0, 1.0]，则会过滤掉 z 坐标不在此范围的点，可用于去除背景或提取特定区域内的点云。

  • 头文件：pcl/filters/passthrough.h

  • 代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "pass_through_filter_slam");
    ros::NodeHandle nh;


    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        pcl::PassThrough<pcl::PointXYZ> pass_filter;
        pass_filter.setInputCloud(cloud);
        // 选择过滤维度
        pass_filter.setFilterFieldName("z");
        // 设置过滤范围
        pass_filter.setFilterLimits(0.0, 1.0);


        pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pass_filter.filter(*filtered_cloud);


        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

使用说明：

  • 接收 sensor_msgs::PointCloud2 消息并转换为 pcl::PointCloud<pcl::PointXYZ> 点云。
  • 创建 pcl::PassThrough<pcl::PointXYZ> 滤波器，设置过滤维度和范围。
  • 执行过滤操作，将结果转换为 sensor_msgs::PointCloud2 并发布。

三、统计离群点去除滤波（Statistical Outlier Removal Filter）

  • 原理：

    • 对每个点计算其邻域内的统计信息（如平均距离），若该点与其邻域点的平均距离超过一定的标准差倍数，将其视为离群点并去除。这有助于去除因传感器噪声或测量误差产生的离群点，提高点云质量。

  • 头文件：pcl/filters/statistical_outlier_removal.h

  • 代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "statistical_outlier_removal_filter_slam");
    ros::NodeHandle nh;


    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor_filter;
        sor_filter.setInputCloud(cloud);
        // 考虑每个点的邻域点数
        sor_filter.setMeanK(50);
        // 标准差倍数，超过此倍数的点视为离群点
        sor_filter.setStddevMulThresh(1.0);


        pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        sor_filter.filter(*filtered_cloud);


        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

使用说明：

  • 转换输入点云消息为 PCL 点云。
  • 创建 pcl::StatisticalOutlierRemoval<pcl::PointXYZ> 滤波器，设置邻域点数和标准差倍数。
  • 过滤离群点，将结果转换为 ROS 消息并发布。

四、半径离群点去除滤波（Radius Outlier Removal Filter）

  • 原理：

    • 对于每个点，在设定的半径范围内搜索其邻域点，若邻域内的点数少于指定阈值，将该点视为离群点并去除。适用于去除稀疏分布的离群点。

  • 头文件：pcl/filters/radius_outlier_removal.h

  • 代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "radius_outlier_removal_filter_slam");
    ros::NodeHandle nh;


    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        pcl::RadiusOutlierRemoval<pcl::PointXYZ> rad_filter;
        rad_filter.setInputCloud(cloud);
        // 搜索半径
        rad_filter.setRadiusSearch(0.5);
        // 邻域内最少点数
        rad_filter.setMinNeighborsInRadius(2);


        pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        rad_filter.filter(*filtered_cloud);


        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

使用说明：

  • 接收输入点云消息并转换为 PCL 点云。
  • 创建 pcl::RadiusOutlierRemoval<pcl::PointXYZ> 滤波器，设置搜索半径和邻域内最少点数。
  • 执行过滤操作，将结果转换为 ROS 消息并发布。

五、条件滤波（Conditional Filter）

  • 原理：

    • 允许用户自定义复杂的过滤条件，基于点云的属性（如坐标、颜色、法线等），使用逻辑运算符（如 AND、OR）组合多个条件，实现灵活的过滤操作。

  • 头文件：pcl/filters/conditional_removal.h

  • 代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/conditional_removal.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "conditional_filter_slam");
    ros::NodeHandle nh;


    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        // 创建条件对象
        pcl::ConditionAnd<pcl::PointXYZ>::Ptr condition(new pcl::ConditionAnd<pcl::PointXYZ>());
        // 仅保留 x 坐标在 0.0 到 1.0 之间的点
        condition->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new pcl::FieldComparison<pcl::PointXYZ>("x", pcl::ComparisonOps::GT, 0.0)));
        condition->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new pcl::FieldComparison<pcl::PointXYZ>("x", pcl::ComparisonOps::LT, 1.0)));


        pcl::ConditionalRemoval<pcl::PointXYZ> cond_filter;
        cond_filter.setInputCloud(cloud);
        cond_filter.setCondition(condition);


        pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        cond_filter.filter(*filtered_cloud);


        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

使用说明：

  • 转换输入点云消息为 PCL 点云。
  • 使用 pcl::ConditionAnd<pcl::PointXYZ> 创建条件对象，添加条件（如 x 坐标范围）。
  • 创建 pcl::ConditionalRemoval<pcl::PointXYZ> 滤波器，设置输入点云和条件。
  • 执行过滤操作，将结果转换为 ROS 消息并发布。

六、双通滤波（Double Pass Filter）

  • 原理：

    • 类似于直通滤波，但可以在两个不同维度上进行连续的范围过滤，以截取更复杂的空间区域。例如，先在 z 轴上过滤，再在 x 轴上过滤，实现对三维空间中长方体区域的截取。

  • 头文件：pcl/filters/passthrough.h

  • 代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "double_pass_filter_slam");
    ros::NodeHandle nh;


    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        pcl::PassThrough<pcl::PointXYZ> pass_filter_z, pass_filter_x;
        pass_filter_z.setInputCloud(cloud);
        pass_filter_z.setFilterFieldName("z");
        pass_filter_z.setFilterLimits(0.0, 1.0);


        pcl::PointCloud<pcl::PointXYZ>::Ptr intermediate_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pass_filter_z.filter(*intermediate_cloud);


        pass_filter_x.setInputCloud(intermediate_cloud);
        pass_filter_x.setFilterFieldName("x");
        pass_filter_x.setFilterLimits(0.5, 2.0);


        pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pass_filter_x.filter(*filtered_cloud);


        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

使用说明：

  • 首先将输入点云转换为 PCL 点云。
  • 使用 pcl::PassThrough<pcl::PointXYZ> 进行第一次维度（如 z 轴）的过滤。
  • 对中间结果再进行另一个维度（如 x 轴）的过滤。
  • 将最终结果转换为 ROS 消息并发布。

七、卷积滤波（Convolution Filter）

原理：
卷积滤波是一种基于卷积操作的点云滤波方法，它将传统的二维图像卷积操作扩展到三维点云数据上。其基本原理是通过定义一个卷积核（Kernel），该卷积核是一个三维的权重矩阵，在点云的每个点周围的邻域内进行滑动，并根据卷积核中的权重对邻域内的点的属性（如强度、颜色等）进行加权平均计算，从而更新点的属性值。通过这种方式，可以实现点云数据的平滑处理，去除噪声，或者提取点云的特征信息。

头文件：pcl/filters/convolution_3d.h

代码示例（机器人 SLAM 应用）：

#include <ros/ros.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/convolution_3d.h>
#include <pcl/common/common_headers.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


int main(int argc, char** argv) {
    ros::init(argc, argv, "convolution_filter_slam");
    ros::NodeHandle nh;


    // 订阅原始点云话题
    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("input_cloud_topic", 1, [&](const sensor_msgs::PointCloud2ConstPtr& input_cloud_msg) {
        pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
        pcl::fromROSMsg(*input_cloud_msg, *cloud);


        // 创建卷积滤波器
        pcl::filters::Convolution3D<pcl::PointXYZI, pcl::PointXYZI> convolution_filter;
        convolution_filter.setInputCloud(cloud);


        // 创建卷积核，这里使用简单的平均核作为示例
        pcl::filters::Convolution3D<pcl::PointXYZI, pcl::PointXYZI>::Kernel::Ptr kernel(new pcl::filters::Convolution3D<pcl::PointXYZI, pcl::PointXYZI>::Kernel);


        // 定义一个简单的平均核，大小为 3x3x3
        float kernel_matrix[3][3][3] = {
            {{1.0 / 27.0, 1.0 / 27.0, 1.0 / 27.0},
             {1.0 / 27.0, 1.0 / 27.0, 1.0 / 27.0},
             {1.0 / 27.0, 1.0 / 27.0, 1.0 / 27.0}};


        // 设置卷积核矩阵
        kernel->setKernelMatrix(kernel_matrix);


        // 设置卷积核的大小
        kernel->setKernelSize(3, 3, 3);


        // 将卷积核设置到滤波器中
        convolution_filter.setKernel(*kernel);


        // 存储过滤后的点云
        pcl::PointCloud<pcl::PointXYZI>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZI>);


        // 执行卷积滤波操作
        convolution_filter.process(*filtered_cloud);


        // 将过滤后的点云转换为 ROS 消息
        sensor_msgs::PointCloud2 output_cloud_msg;
        pcl::toROSMsg(*filtered_cloud, output_cloud_msg);


        // 发布过滤后的点云
        ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("filtered_cloud_topic", 1);
        pub.publish(output_cloud_msg);
    });


    ros::spin();


    return 0;
}

代码解释：

  1. 订阅和转换点云：

    • 首先，通过 ros::Subscriber 订阅名为 "input_cloud_topic" 的 sensor_msgs::PointCloud2 类型的原始点云消息。
    • 使用 pcl::fromROSMsg 将 sensor_msgs::PointCloud2 消息转换为 pcl::PointCloud<pcl::PointXYZI> 类型的点云，这里使用 pcl::PointXYZI 类型是因为我们可能需要处理具有强度信息的点云。

  2. 创建卷积滤波器：

    • 创建 pcl::filters::Convolution3D<pcl::PointXYZI, pcl::PointXYZI> 类型的卷积滤波器对象 convolution_filter，并将输入点云设置为刚刚转换得到的点云。

  3. 创建和设置卷积核：

    • 创建 pcl::filters::Convolution3D<pcl::PointXYZI, pcl::PointXYZI>::Kernel 类型的卷积核对象 kernel。
    • 定义一个简单的 3x3x3 平均卷积核矩阵，每个元素的值为 1.0 / 27.0，以实现平均卷积。
    • 使用 kernel->setKernelMatrix 方法将卷积核矩阵设置到卷积核对象中。
    • 使用 kernel->setKernelSize(3, 3, 3) 设置卷积核的大小。

  4. 设置滤波器的卷积核：

    • 使用 convolution_filter.setKernel(*kernel) 将创建好的卷积核设置到卷积滤波器中。

  5. 执行滤波操作：

    • 创建 pcl::PointCloud<pcl::PointXYZI>::Ptr 类型的 filtered_cloud 存储过滤后的点云。
    • 调用 convolution_filter.process(*filtered_cloud) 执行卷积滤波操作，将结果存储在 filtered_cloud 中。

  6. 转换和发布结果：

    • 使用 pcl::toROSMsg 将过滤后的点云转换为 sensor_msgs::PointCloud2 类型的消息。
    • 通过 ros::Publisher 发布过滤后的点云消息到 "filtered_cloud_topic"。

使用说明：

  • 确保你已经安装并配置好 PCL 库和 ROS 环境，并且在 CMakeLists.txt 文件中正确添加了所需的库依赖。
  • 运行该节点时，它会订阅 "input_cloud_topic" 上的点云消息，对其进行卷积滤波处理，并将结果发布到 "filtered_cloud_topic" 上。
  • 你可以根据需要调整卷积核的大小和内容，以实现不同的滤波效果，例如使用不同的核矩阵进行平滑、锐化或特征提取等操作。

请根据实际需求修改代码中的参数，例如卷积核的大小和元素值，以达到不同的点云滤波和特征提取效果。同时，可以根据点云的具体属性选择不同的点类型，如 pcl::PointXYZ 或 pcl::PointXYZRGB 等。

此外，在实际应用中，还可以使用更复杂的卷积核和不同的卷积模式（如不同的边界处理方式），以满足更复杂的点云处理需求。如果你需要对其他属性进行卷积，只需调整点云类型和相应的卷积核矩阵即可。

希望这个示例对你在机器人 SLAM 中的点云滤波工作有所帮助，让你更好地理解和使用卷积滤波。如果你在使用过程中遇到任何问题，可以进一步调整代码或向我咨询。

标签：include,PCL,ros,filter,pcl,点云,2.0,cloud
From： https://blog.csdn.net/qq_15258067/article/details/145132491

相关文章

  • 【人工智能】从Keras到TensorFlow 2.0：深入掌握Python深度学习技术
    《PythonOpenCV从菜鸟到高手》带你进入图像处理与计算机视觉的大门！解锁Python编程的无限可能：《奇妙的Python》带你漫游代码世界随着人工智能技术的迅猛发展，深度学习作为其核心分支，已在图像识别、自然语言处理、语音识别等多个领域展现出卓越的性能。Python作为深度学习的......
  • chainlit 2.0 发布了
    chainlit2.0就在最近已经发布了，支持了不少新特性，比如一些ui的重写，减少代码量，同时添加了对于sqlite的支持，还有不少bug的修复说明后边有空了尝试下新功能以及新版本，尤其是对于sqlite的支持，可以简化我们对于数据持久化配置的使用（以前必须依赖pg数据库，对于小型系统并不是很方......
  • ubuntu22.04系统Docker安装
    1、配置docker源#AddDocker'sofficialGPGkey:apt-getupdateapt-getinstallca-certificatescurlinstall-m0755-d/etc/apt/keyringscurl-fsSLhttps://download.docker.com/linux/ubuntu/gpg-o/etc/apt/keyrings/docker.ascchmoda+r/etc/apt/keyrings......
  • Pinokio v3.2.0 支持目前主流的大部分AI项目，操作极其简单
    这个工具全部都是免费的。我记得之前有个叫什么白的工具貌似还收费，这个基本上你听说过的AI开源项目它都有，而且还是一键安装。一个工具整合AI绘画、AI视频、AI语音，还有AI数字人的工具：AI绘画，又能AI对话、AI视频生成、AI语音生成，还能AI数字人支持Windows、Mac、Linux......
  • 点云处理常用库/工具及其详细介绍
    原文链接：点云处理常用库/工具及其详细介绍点云是一种重要的三维数据表示形式，广泛应用于计算机视觉、机器人导航、三维重建、无人驾驶等领域。处理点云数据需要高效且功能强大的工具和库。本文将详细介绍点云处理中常用的库，包括其特点、功能及适用场景。1.PCL（PointCloudLi......
  • 第0章 点云库（PCL）学习开篇：发展历史、SLAM应用与学习指南
    一、PCL的历史PointCloudLibrary（PCL）是一个功能强大的开源库，专门用于处理点云数据。它的发展是为了满足计算机视觉、机器人学、自动驾驶、逆向工程等多个领域对点云处理日益增长的需求。PCL起源于早期的点云处理工具和算法的积累，在开源社区和学术界的共同努力下逐渐发......
  • oracle12.2.0.1交互快速部署脚本（shell）
    背景有些项目会用到oracle，以前大佬写的脚本不好用，拿来改一改，能用起来先，回头再适配更高版本的oracle。如果使用过程中有什么问题，还请批评指正。脚本#!/bin/bash####################Steup1Installoraclesoftware#####################script_name:oracle12.2.0.1_inst......
  • Ubuntu22.04 解决 E: 无法定位软件包 yum
    1、修改sudovim/etc/apt/sources.list的内容，将下文内容增加至该文件中：debhttp://archive.ubuntu.com/ubuntu/trustymainuniverserestrictedmultiverse#默认注释了源码镜像以提高aptupdate速度，如有需要可自行取消注释debhttps://mirrors.tuna.tsinghua.edu.cn/ubu......
  • Windows10下安装vue2.0项目所需环境
    一、Node.js版本管理器NVM安装1.下载NVM安装包        nvm全英文也叫node.jsversionmanagement，是一个nodejs的版本管理工具。nvm和n都是node.js版本管理工具，为了解决node.js各种版本存在不兼容现象可以通过它可以安装和切换不同版本的node.js。目前最新版本v1.1.12......
  • DBeaver 22.0 破解下载及安装教程
    DBeaver简介DBeaver是一个通用的数据库管理工具和SQL客户端，支持MySQL,PostgreSQL,Oracle,DB2,MSSQL,Sybase,Mimer,HSQLDB,Derby,以及其他兼容JDBC的数据库。DBeaver提供一个图形界面用来查看数据库结构、执行SQL查询和脚本，浏览和导出数据，处理BLOB/CLOB数据，修改......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99