EMD的matlab代码分享-MSN-Point-Cloud-Completion密集点云完成的变形和采样网络 (AAAI2020)

随着科技的进步，Matlab正在成为导出文本点云数据的首选工具。

使用MATLAB生成谐波代码，这项工作派生自前人的杰出成就。对于所有对研究3D点云感兴趣的人来说，这是一份宝贵的资源。如果您有任何出色的论文、代码或数据集推荐，请不吝与我们联系。感谢您为研究界做出的宝贵贡献。

Matlab开发：Matlab点云工具的应用。应用多种工具处理大型点云数据。

Matthew J Kusner的Word Mover距离（WMD）的Python 1.0版和Matlab代码详细解释：这些代码为使用Python 2.7和Scipy包构建Word Mover距离提供了先决条件。为了使用Matlab版本，需要构建emd/目录。预先训练的词和短语向量也需下载。使用Python版本，只需进入python-emd-master/目录并运行make命令即可。

这个存储库提供了在以下论文中描述的“最相似点”和“可变形最相似点”范例中开发的算法的数据和源代码：IMLP：Seth D. Billings，Emad M. Boctor和Russell H. Taylor，“迭代最相似点注册（IMLP）：一种用于计算最佳形状对准的稳健算法”，PLOS One 10（3）：e0117688（2015）；IMLOP：Seth D. Billings，Russell H. Taylor，“迭代最有可能的定向点注册”，医学图像计算和计算机辅助干预，计算机科学讲义8673：178--185（2014）；G-IMLOP：Seth D. Billings，Russell H. Taylor，“广义迭代最可能定向点（G-IMLOP）注册”，国际计算机辅助放射学和外科杂志10（8）：1213--1226（2015）；P-IMLOP：Seth D. Billings，Hyun J. Kang，Alexis Cheng，Emad M. Boctor，Peter Kazanzides，Russell H. Taylor，“计算机辅助骨科

Hilbert-Huang变换是一种适用于分析非线性、非平稳信号的数据处理方法，由Huang及其同事于1998年提出。这种方法通过EMD分解对信号进行平稳化处理，得到时间-频率-能量特征。HHT在信号处理领域中是一项重要的突破，通过EMD分解和Hilbert变换实现。EMD分解逐级提取原始信号不同尺度的波动或变化趋势，生成本征模态函数(IMF)，而后对每个IMF分量进行Hilbert变换。Hilbert变换能够得到具有物理意义的瞬时属性参数，如Hilbert谱和Hilbert边际谱，分别描述信号在时间-频率和频率上的变化规律。

在查看文件之前，请确保您的系统中安装了最新版本的MATLAB。将“源代码”目录复制到MATLAB目录或其他目录中，然后打开并运行以下文件：MSN1.m、MSN2.m、MSN3.m、MSN4.m、MSN5.m。每个文件代表一个案例，包括100个传感器节点在50x50区域内的随机布置，连接网络的绘制，节点碎片的绘制，速度和连通性的显示。项目参数包括传感器节点数：n = 100，空间维度：m = 2，期望距离：d = 15，缩放因子：k = 1.2，交互范围：r = k*d，以及可选参数Epsilon = 0.1和Delta_t = 0.009。

这段Matlab代码解决了图像矩阵中的Bundle调整问题，使用了Matlab函数“lsqnonlin”。主要过程包括随机生成平面上的点和平行移动的摄像机，计算每个点的2D图像投影，并通过引入高斯噪声优化点的3D坐标和摄像机的6D坐标。优化问题通过重投影误差的最小化来定义成本函数，支持Levenberg-Marquardt和Trust-Region-Reflective最小二乘算法。此代码学术研究中展示捆绑调整问题的特性和实现方法。在Matlab 2016a上编写和测试。

武汉大学课后作业中提到的点云滤波算法，采用了一维双向扫描方法，并在matlab环境下进行了优化。