Отобразите облака точек с совпадающими характерными точками
pcshowMatchedFeatures( облака точек отображений, ptCloud1,ptCloud2,matchedPtCloud1,matchedPtCloud2)ptCloud1 и ptCloud2, с их совпадающими характерными точками, matchedPtCloud1 и matchedPtCloud2. График является цветом, закодированным облаком точек и каждым соединенным с соответствующей точкой в другом облаке точек линией.
ax = pcshowMatchedFeatures(___)Axes объект с помощью входных параметров от предыдущего синтаксиса.
[___] = pcshowMatchedFeatures(___, задает опции с помощью одного или нескольких аргументов пары "имя-значение" в дополнение к любой комбинации аргументов в предыдущих синтаксисах. Например, Name,Value)'Method','montage' визуализирует облака точек друг рядом с другом в осях.
В этом примере показано, как визуализировать соответствие с функциями облака точек с помощью pcshowMatchedFeatures функция. Пример использует функции, вычисленные с помощью extractFPFHFeatures функция.
Загрузите необходимые файлы в рабочую область.
load("features1.mat"); load("features2.mat"); load("ptCloud1.mat"); load("ptCloud2.mat");
Совпадайте с функциями между двумя облаками точек.
indexPairs = pcmatchfeatures(features1,features2,ptCloud1,ptCloud2);
Облака точки формирования данных только точек в каждом облаке точек с соответствием с функциями в другом облаке точек.
matchedPts1 = select(ptCloud1,indexPairs(:,1)); matchedPts2 = select(ptCloud2,indexPairs(:,2));
Визуализируйте соответствия.
pcshowMatchedFeatures(ptCloud1,ptCloud2,matchedPts1,matchedPts2, ... "Method","montage") xlim([-40 210]) ylim([-50 50]) title("Matched Points")
Совпадающими функциями и облаками точек является цвет, закодированный, чтобы улучшить визуализацию:
Пурпурный — Движущееся облако точек.
Зеленый — облако Фиксированной точки.
Красный круг — Совпадающие точки в движущемся облаке точек.
Синяя звездочка — Совпадающие точки в облаке фиксированной точки.
Желтый — Линия, соединяющая соответствующие функции.
Создайте средство чтения файлов Velodyne PCAP.
veloReader = velodyneFileReader('lidarData_ConstructionRoad.pcap','HDL32E');
Считайте первые и четвертые сканы из файла.
ptCloud1 = readFrame(veloReader,1); ptCloud2 = readFrame(veloReader,4);
Удалите наземную плоскость из сканов.
maxDistance = 1; % in meters referenceVector = [0 0 1]; [~,~,selectIdx] = pcfitplane(ptCloud1,maxDistance,referenceVector); ptCloud1 = select(ptCloud1,selectIdx,'OutputSize','full'); [~,~,selectIdx] = pcfitplane(ptCloud2,maxDistance,referenceVector); ptCloud2 = select(ptCloud2,selectIdx,'OutputSize','full');
Кластеризируйте облака точек с минимумом 10 точек на кластер.
minDistance = 2; % in meters minPoints = 10; labels1 = pcsegdist(ptCloud1,minDistance,'NumClusterPoints',minPoints); labels2 = pcsegdist(ptCloud2,minDistance,'NumClusterPoints',minPoints);
Извлеките функции собственного значения и соответствующие сегменты от каждого облака точек.
[eigFeatures1,segments1] = extractEigenFeatures(ptCloud1,labels1); [eigFeatures2,segments2] = extractEigenFeatures(ptCloud2,labels2);
Создайте матрицы функций и центроидов, извлеченных из каждого облака точек для соответствия.
features1 = vertcat(eigFeatures1.Feature); features2 = vertcat(eigFeatures2.Feature); centroids1 = vertcat(eigFeatures1.Centroid); centroids2 = vertcat(eigFeatures2.Centroid);
Найдите предполагаемые соответствия функции.
indexPairs = pcmatchfeatures(features1,features2, ...
pointCloud(centroids1),pointCloud(centroids2));Получите совпадающие сегменты и функции визуализации.
matchedSegments1 = segments1(indexPairs(:,1)); matchedSegments2 = segments2(indexPairs(:,2)); matchedFeatures1 = eigFeatures1(indexPairs(:,1)); matchedFeatures2 = eigFeatures2(indexPairs(:,2));
Визуализируйте соответствия.
figure
pcshowMatchedFeatures(matchedSegments1,matchedSegments2,matchedFeatures1,matchedFeatures2)
title('Matched Segments')