Чтобы использовать данные об облаке точек в рабочих процессах глубокого обучения, данные должны быть считаны в из своей необработанной формы в наборе данных в MATLAB. В этом примере мы работаем с Сидни Урбан возражает набору данных 1[]. В этом примере показано, как использовать Хранилища данных MATLAB, чтобы читать в и представлять данные для глубокого обучения.
Данные Сидни Урбана Обджектса составляют 122 Мбайта в своей несжатой форме и могут занять некоторое время, чтобы загрузить в зависимости от вашей скорости сетевого подключения.
sydneyUrbanObjectsPath = downloadSydneyUrbanObjects(tempdir());
Создайте Datastore, который сконфигурирован для чтения в облаках точек от папки объектов / в Сидни Урбане Обджектсе, наряду со связанными метками объектов.
ds = sydneyUrbanObjectsClassificationDatastore(sydneyUrbanObjectsPath);
Считайте и отобразите первое наблюдение от Datastore.
data = preview(ds)
data=1×2 cell array
{1×1 pointCloud} {[4wd]}
disp(data)
{1×1 pointCloud} {[4wd]}
Выход чтения и методы предварительного просмотра Datastore являются массивом ячеек, в котором первый столбец является объектом pointCloud, и второй столбец является связанной меткой класса. Объект pointCloud может визуализироваться с помощью функции pcshow.
figure pcshow(data{1}) title(string(data{2}))
[1] Аластер Куэдрос, Джеймс Андервуд, Бертран Дуиллар; 2013. Сидни Урбан возражает набору данных.
function datasetPath = downloadSydneyUrbanObjects(dataLoc) % This function downloads the syntax urban objects tar archive to tempdir % provides as output the location of where the data was saved. if nargin == 0 dataLoc = pwd(); end dataLoc = string(dataLoc); url = "http://www.acfr.usyd.edu.au/papers/data/"; name = "sydney-urban-objects-dataset.tar.gz"; if ~exist(fullfile(dataLoc,'sydney-urban-objects-dataset'),'dir') disp('Downloading Sydney Urban Objects Dataset...'); untar(fullfile(url,name),dataLoc); end datasetPath = dataLoc.append('sydney-urban-objects-dataset'); end function ds = sydneyUrbanObjectsClassificationDatastore(datapath,folds) % sydneyUrbanObjectsClassificationDatastore Datastore with point clouds and % associated categorical labels for Sydney Urban Objects dataset. % % ds = sydneyUrbanObjectsDatastore(datapath) constructs a datastore that % represents point clouds and associated categories for the Sydney Urban % Objects dataset. The input, datapath, is a string or char array which % represents the path to the root directory of the Sydney Urban Objects % Dataset. % % ds = sydneyUrbanObjectsDatastore(___,folds) optionally allows % specification of desired folds that you wish to be included in the % output ds. For example, [1 2 4] specifies that you want the first, % second, and fourth folds of the Dataset. Default: [1 2 3 4]. if nargin < 2 folds = 1:4; end datapath = string(datapath); path = fullfile(datapath,'objects',filesep); % For now, include all folds in Datastore foldNames{1} = importdata(fullfile(datapath,'folds','fold0.txt')); foldNames{2} = importdata(fullfile(datapath,'folds','fold1.txt')); foldNames{3} = importdata(fullfile(datapath,'folds','fold2.txt')); foldNames{4} = importdata(fullfile(datapath,'folds','fold3.txt')); names = foldNames(folds); names = vertcat(names{:}); fullFilenames = append(path,names); ds = fileDatastore(fullFilenames,'ReadFcn',@extractTrainingData,'FileExtensions','.bin'); end function dataOut = extractTrainingData(fname) [pointData,intensity] = readbin(fname); [~,name] = fileparts(fname); name = string(name); name = extractBefore(name,'.'); labelNames = ["4wd","bench","bicycle","biker",... "building","bus","car","cyclist","excavator","pedestrian","pillar",... "pole","post","scooter","ticket_machine","traffic_lights","traffic_sign",... "trailer","trash","tree","truck","trunk","umbrella","ute","van","vegetation"]; label = categorical(name,labelNames); dataOut = {pointCloud(pointData,'Intensity',intensity),label}; end function [pointData,intensity] = readbin(fname) % readbin Read point and intensity data from Sydney Urban Object binary % files. % names = ['t','intensity','id',... % 'x','y','z',... % 'azimuth','range','pid'] % % formats = ['int64', 'uint8', 'uint8',... % 'float32', 'float32', 'float32',... % 'float32', 'float32', 'int32'] fid = fopen(fname, 'r'); c = onCleanup(@() fclose(fid)); fseek(fid,10,-1); % Move to the first X point location 10 bytes from beginning X = fread(fid,inf,'single',30); fseek(fid,14,-1); Y = fread(fid,inf,'single',30); fseek(fid,18,-1); Z = fread(fid,inf,'single',30); fseek(fid,8,-1); intensity = fread(fid,inf,'uint8',33); pointData = [X,Y,Z]; end