Python CPD
相干点漂移算法的纯Numpy实现。
MIT许可证。
介绍
这是Myronenko和Song编写的相干点漂移算法的纯数字实现。 它为点云提供了三种配准方法：1）规模配准和刚性配准； 2）仿射注册； 3）高斯正则化非刚性注册。
CPD算法是用于对齐两个点云的配准方法。 在这种方法中，将移动点云建模为高斯混合模型（GMM），将固定点云视为来自GMM的观测值。 最佳变换参数将最大后验（MAP）估计最大化，即从GMM绘制观察到的点云。
配准方法适用于2D和3D点云。 有关更多信息，请参阅我的。
点安装
pip install pycpd
从源安装
将存储库克隆到一个位置，称为root文件夹。 例如：
git clone https://github.com/siavashk/pycpd.git $HOME /pycpd
安装软件包：
pip install .
对
2021-09-07 16:56:13
52KB
1
BEADS 联合解决了同时基线/趋势/漂移校正和（高斯、泊松）一维信号降噪的问题。 它专为分析化学中出现的正信号和稀疏信号而设计：色谱、拉曼光谱、红外、XRD、质谱等）。 基线对应于缓慢变化的趋势、仪器漂移或背景偏移。 所提出的 BEADS 基线滤波算法基于将一系列（色谱图）峰建模为主要为正、稀疏且导数稀疏，并将基线建模为低通信号。 为了封装这些非参数模型而制定的凸优化问题。 为了说明色谱峰的正性，使用了类似于正则化 l1 范数的不对称惩罚函数。 开发了一种鲁棒的、计算效率高的迭代算法，保证收敛到唯一的最优解。 它实现了发表在论文“Chromatogram baselineestimation and denoising using sparsity (BEADS)”中的方法，作者是 Xiaoran Ning、Ivan W. Selesnick、Laurent Duval， Chemome
2021-08-16 20:08:30
666KB
1