两个坐标系下对三个相同的点以及以上的点求出两个坐标系下的转换关系，同时含有python\matlab版本

GJB 362B-2009 刚性印制板通用规范

提出了一种基于最优Atlas图像搜索和局部加权B样条变换的全自动非刚性分层配准分割感兴趣区域（ROI）方法。实验结果表明, 所提算法配准的ROI准确度达到95.6%, 归一化互信息值为1.8432, 均方根误差为1.12%, 相关系数提高了18.33%。相比其他配准方法, 所提方案的配准精度及准确度明显提升, 对临床辅助诊断有重要意义。

此功能将执行恶魔配准，这是一种快速非刚性流体，如两个 2D 或 3D 图像之间的配准。 还支持不同 (MRI) 模态之间的配准，通过转换一个图像模态使其看起来像第二个图像的模态的功能。 Thirion 1998的论文描述了恶魔的注册，Cachier 1999和He Wang 2005对其进行了扩展。 基本算法：在每个像素上，使用强度差异和梯度信息定义速度（运动）。 该速度场由高斯平滑，并反复用于变换运动图像，并配准到静态图像。 （文件 basic_demon_example.m 中易于理解的代码示例） 我们没有使用“demonregistration”函数的基本方程，而是将其重写为由极限内存 BFGS 优化器以迭代和多分辨率方式使用，还支持扩散正则化。 （另见 Tom Vercauteren 等人。“非参数微分形态图像...”） 将一种模态转换为另一幅图像的假模态是通过使用两个图

非刚性神经辐射场 这是项目“非刚性神经辐射场：从单眼视频到动态场景的重构和新颖视图合成”（NR-NeRF）的官方资料库。 我们将NeRF（一种用于静态场景的逼真外观和几何重构的最新技术）扩展到动态/变形/非刚性场景。 有关详细信息，请参阅和，其中还包括补充视频。 入门 我们修改了损失，并在2021年2月的更新中添加了多视图支持，一些简单的场景编辑功能，评估代码和简单的基准。 有关此代码的原始版本，请参阅此存储库的december2020分支。 安装 克隆此存储库。 （可选）安装 。 设置nrnerf环境nrnerf （或使用pip安装要求）： conda env create -f environment.yml （可选）对于数据加载和相机参数估计，我们包含了一个虚拟实现，该实现仅适用于所包含的示例序列。 如果您不想编写本自述文件结尾处指定的自己的实现，则可以改用以下程序和文件：

针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法。搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果。测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91。

该函数将源/模板网格对齐并非刚性地变形为第二个目标网格。 nonrigidICP 是要使用的主要文件，需要网格的顶点和面作为输入。 示例 1 处理闭合网格，示例 2 处理不完整的网格，包括目标和源。 提供了两个版本（v1和v2）。 v1 以 RB 中心在表面上变形，v2 以 RB 中心在边界框内变形。 参考文献：Emmanuel A. Audenaert、Jan Van Houcke、Diogo F. Almeida、Lena Paelinck、M. Peiffer、Gunther Steenackers 和 Dirk Vandermeulen (2019)：基于级联统计形状模型的 CT 全下肢分割，计算机方法生物力学与生物医学工程，DOI：10.1080/10255842.2019.1577828

以下两篇论文的统一MATLAB实现： (1) Haili Chui, Anand Rangarajan：一种用于非刚性点匹配的新算法。 CVPR 2000: 2044-2051 http://www.cis.ufl.edu/~anand/students/chui/research.html (2) Andriy Myronenko、Xubo B. Song、Miguel A. Carreira-Perpinan：非刚性点集注册：相干点漂移。 NIPS 2006：1009-1016 http://www.csee.ogi.edu/~myron/matlab/cpd/

% 求D维中两组N点之间的最小均方根% 和刚性变换（即平移和旋转） % 雇用以使一组接近另一组， % 使用 Kabsch (1976) 算法。 % 注意点是成对的，即我们知道一组中的哪个点% 应该与另一组中的给定点进行比较。 % ％ 参考： % 1) Kabsch W. 将两组向量相关联的最佳旋转解决方案。 Acta Cryst A 1976；32：9223。 % 2) Kabsch W. 讨论有关两组向量的最佳旋转的解决方案。 Acta Cryst A 1978；34：8278。 % 3) http://cnx.org/content/m11608/latest/ ％4） http://en.wikipedia.org/wiki/Kabsch_algorithm % % 我们稍微概括一下，允许给点赋予权重。 % 这些权重是先验确定的，不依赖于距离。 % % 我们按照惯例工作，点是列向量；

haoli 等人的非刚性配准教学课件