RealSense D435 で PointCloud 作って表示する（Python3） - Qiita
修正 2018/10/29 19:34 カメラパラメータをプログラムで取得するように変更した。 2018/10/29 19:17 下記プログラム中のカメラに関するパラメータ設定を間違えていたので修正した。 誤：PinholeCameraIntrinsic(1280, 720, 640, 640, 640, 360) 正：PinholeCameraIntrinsic(1280, 720, 925, 925, 640, 360) カラー画像 PointCloud表示1 PointCloud表示2 Pythonソース import pyrealsense2 as rs import numpy as np import cv2 from open3d import * if __name__=="__main__": align = rs.align(rs.stream.color) confi
RealSense D435iで3Dスキャナもどきの実装 - Qiita
画角を合わせつつ、ストリーミング情報を取得する RGBDを作成するためには、DepthとRGBの画角をあわせる必要があります。 画角をあわせるためにはalignオブジェクトを使います。SDKにこういったメソッドがあるのは便利ですね。 # ストリーム(Depth/Color)の設定 config = rs.config() config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30) config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30) # ストリーミング開始 pipeline = rs.pipeline() profile = pipeline.start(config) # Alignオブジェクト生成 align_to = rs.str
低予算でのオシロスコープ・ロジックアナライザーの選び方(2020年8月)
一般的なプロトコルと周波数の範囲になります。SPIなどはもっと高速で通信することも可能ですが、よく使う範囲になります。おそらくはI2Cの2チャンネルで400KHzと、SPIの4チャンネルで24MHzぐらいが一般的に使う上限だと思います。 ロジックアナライザー 通信などの信号を確認する場合に利用します。通常16チャンネルぐらいのものが多いですが、最低4チャンネルとまわりの回路で8チャンネルぐらいまであれば低予算構成では問題ないと思います。 ロジックアナライザーの場合には、読み取りたい信号の4倍ぐらいあると安心みたいです。SPIをちゃんと分析したいときには100MHz以上が必要になります。80MHz動作のSPIをちゃんと分析する場合には200MHzぐらいあったほうがいいと思います。 I2Cだと400KHzなので1MHz以上のスペックであれば分析できそうですね。
自作系四足歩行ロボットが最近熱いようなので情報収集。 - cvl-robot's diary
2020年1月～5月10日現在までにTwitterで見かけた四足歩行ロボットとそれに関連しそうで面白そうな記事まとめです。 Stanford Pupper gigazine.net pupperの前の。 スタンフォードのオープンソース四脚ロボDoggoはODriveというオープンソースのESC使ってるぽい ブラシレスモータはこれ使ってるhttps://t.co/CbRtlh1x7i パーツリストhttps://t.co/GS5kMHLqYq Doggohttps://t.co/VnYmrSexs8 高性能なDCモーターコントローラ ODrive https://t.co/jDPcxVIrnu— でべ (@devemin) 2020年5月21日 V-Sido４脚 新作いい感じになってきたので、明日くらいまで連投予定。 #ZOIDS #ゾイドワイルドZERO pic.twitter.com/M
LIDAR点群から高速で３D物体検出！ PointPillarsを解説するっ！ - Qiita
今回は、３D点群から物体を見つけるアルゴ、PointPillarsを解説するぞ。 え、なんのためにするかって？ 自動運転に使うためさ！（そしてWaymoデータセットで訓練したいZE・ω・） Waymoデータセット知りたい方はこちら Waymo自動運転車のデータセットを可視化するんだよ！ Waymo大先生のデータセットつかって、物体検出したいけど、何を使えばいいのやら... そしたら3D物体検出のState-of-the-artを調べると、PointPillarsがでてきて気になるぞ！ PointPillars タピオカとPointPillarsどちらが素晴らしいのか！ それではPointPillarsの世界へようこそ！ PointPillarsの仕組みは？ 点群のData augmentationはどうやる？ 計算の高速化テクニックは？ 気になった人はLet's DIVE IN!!!! (
Open3Dの使い方：FPFH特徴でレジストレーション - Qiita
pythonで点群処理できるOpen3Dの探検． 点群特徴FPFHで位置合わせして，ICPで微修正． - 公式チュートリアルを見やすくしてみた． - 数値がハードコードだったので，点群のサイズの1/10を基本にして，他のいろいろなパラメータを決めるようにしてみた． - メソッド名が長いので，import asで短く Tips: - ダウンサンプリングのサイズを1/10程度に粗くしないと，RANSACがうまく機能しない．（1/100ぐらい細かくしすぎるとダメ） - FPFHのサイズは1/10 * 50にしている．大きめのほうが良さそう．（小さすぎると特徴計算に使う点の数が少なくなるから） - 法線計算は1/10にしているが，あまり影響なし． コード import sys sys.path.append("../..") # Open3D/build/lib/ へのパス import copy
dToF/iToF LiDARセンサの原理や製品について - arutema47's blog
記事の目的 本記事ではdToFとiToF LiDARの基本や原理について説明します。 また込み入った理論ではなく、LiDARの大まかな種類や用途を理解するのが目標です。 LiDARセンサはLight Detection and Rangingの略で光を使った距離測定技術の総称です。 RADARが電磁波を使って距離を測るのに対して、光を使った距離センサを指します。 こちらは距離センサ全般の記事です。合わせてどうぞ。 aru47.hatenablog.com 記事の目的 LiDARには大きく２種類ある dToF LiDAR 原理 dToF LiDARの製品 dToF LiDARの種類について iPadのdToF LiDAR indirect Time of Flight 原理 iToF LiDARの製品 参考文献 最後に LiDARには大きく２種類ある LiDARには大きく２つ種類があります。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Page Not Found - Aliexpress.com