Лидар и обработка облака точек

Downsample, denoise, преобразовывает, визуализирует, указывает, соответствует геометрическим формам и использует глубокое обучение для 3-D облаков точек

Облака точек обычно используются, чтобы измерить поверхности материального мира. У них есть приложения в навигации робота и восприятии, оценке глубины, видении стерео, визуальной регистрации, и в продвинутых системах помощи водителю (ADAS). Алгоритмы Computer Vision Toolbox™ обеспечивают функциональность обработки облака точек для субдискретизации, шумоподавления и преобразования облаков точек. Тулбокс также обеспечивает регистрацию облака точек, геометрическая форма, соответствующая к 3-D облакам точек и способности читать, запишите, сохраните, отобразите и сравните облака точек. Можно также объединить несколько облаков точек, чтобы восстановить 3-D сцену с помощью алгоритма итеративной самой близкой точки (ICP).

Можно использовать pcregistercpd, pcregistericp, и pcregisterndt указывать движущееся облако точек к облаку фиксированной точки. Эти регистрационные алгоритмы основаны на алгоритме Когерентного дрейфа точки (CPD), алгоритме Итеративной самой близкой точки (ICP) и алгоритме Преобразования нормальных распределений (NDT), соответственно. Лучшая эффективность требует настраивающих свойств для ваших данных. Перед использованием функций регистрации облака точек рассмотреть использование pcdownsample прореживать ваши облака точек, который улучшает точность и КПД регистрации.

Функции

развернуть все

pcalignВыровняйте массив облака точек
pcbinПространственно точки облака точек интервала
pccatКонкатенация 3-D массива облака точек
pcdenoiseУдалите шум из 3-D облака точек
pcdownsampleDownsample 3-D облако точек
pcnormalsОцените нормали для облака точек
pcmergeОбъедините два 3-D облака точек
pcsegdistОблако точек сегмента в кластеры на основе Евклидова расстояния
pctransformПреобразуйте 3-D облако точек
segmentLidarDataСегмент организовал 3-D данные об области значений в кластеры
segmentGroundFromLidarDataРазбиение точек заземления из подготовленных лидарных данных
findNearestNeighborsНайдите самых близких соседей точки в облаке точек
findNeighborsInRadiusНайдите соседей в радиусе точки в облаке точек
findPointsInROIНайдите точки в необходимой области в облаке точек
removeInvalidPointsУдалите недопустимые точки из облака точек
pcregistercorrУкажите две корреляции фазы использования облаков точек
pcregistericpУкажите два облака точек с помощью алгоритма ICP
pcregistercpdУкажите два облака точек с помощью алгоритма CPD
pcregisterndtУкажите два облака точек с помощью алгоритма NDT
rigid3d3-D твердое геометрическое преобразование
scanContextDistanceРасстояние между дескрипторами контекста скана
scanContextDescriptorИзвлеките дескриптор контекста скана из облака точек
createPoseGraphСоздайте график положения
optimizePosesОптимизируйте абсолютные положения с помощью относительных ограничений положения
pcfitcylinderПодходящий цилиндр к 3-D облаку точек
pcfitplaneСоответствуйте плоскости к 3-D облаку точек
pcfitsphereПодходящая сфера к 3-D облаку точек
pcnormalsОцените нормали для облака точек
fitPolynomialRANSACСоответствуйте полиному к точкам с помощью RANSAC
ransacПодбирайте модель к зашумленным данным
cylinderModelОбъект для хранения параметрической модели гидроцилиндра
planeModelОбъект для хранения параметрической плоской модели
sphereModelОбъект для хранения параметрической модели сферы
pcreadСчитайте 3-D облако точек из PLY или файла PCD
pcwriteЗапишите 3-D облако точек в PLY или файл PCD
pcfromkinectОблако точек от Kinect для Windows
velodyneFileReaderСчитайте данные об облаке точек из файла Velodyne PCAP
pcshowПостройте 3-D облако точек
pcshowpairВизуализируйте различие между двумя облаками точек
pcplayerВизуализируйте передающие потоком 3-D данные об облаке точек
showShapeОтобразите формы на изображении, видео или облаке точек
pcviewsetСправьтесь данные для облака точек основывали визуальную одометрию и SLAM
pointCloudОбъект для хранения 3-D облака точек
findNearestNeighborsНайдите самых близких соседей точки в облаке точек
findNeighborsInRadiusНайдите соседей в радиусе точки в облаке точек
findPointsInROIНайдите точки в необходимой области в облаке точек

Темы

Формат PLY

Стэнфордский треугольный формат

Регистрация облака точек и обзор отображения

Изучите рабочий процесс регистрации облака точек.

Начало работы с облаками точек Используя глубокое обучение

Изучите, как использовать облака точек для глубокого обучения.

Выберите Function to Visualize Detected Objects

Сравните функции визуализации.

Сегментация, обнаружение и маркировка (Lidar Toolbox)

Сегмент, обнаружьте, пометьте, и отслеживаемые объекты в данных об облаке точек с помощью глубокого обучения и геометрических алгоритмов

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте