pcsegdist

Облако точек сегмента в кластеры на основе Евклидова расстояния

Синтаксис

labels = pcsegdist(ptCloud,minDistance)

[labels,numClusters] = pcsegdist(ptCloud,minDistance)

[labels,numClusters] = segmentLidarData(ptCloud,'NumClusterPoints',minmaxNCP)

Описание

labels = pcsegdist(ptCloud,minDistance) сегментирует облако точек на кластеры, с минимальным Евклидовым расстоянием minDistance между точками от различных кластеров. pcsegdist присваивает целочисленную кластерную метку каждой точке в облаке точек и возвращает labels из всех точек.

пример

[labels,numClusters] = pcsegdist(ptCloud,minDistance) также возвращает количество кластеров.

[labels,numClusters] = segmentLidarData(ptCloud,'NumClusterPoints',minmaxNCP) задает минимальное и максимальное количество точек в каждом кластере.

Примеры

свернуть все

Точка накопления, облачная на евклидовом расстоянии

Скрипт Open Live Script

Создайте две концентрических сферы и объедините их.

[X,Y,Z] = sphere(100);
loc1 = [X(:),Y(:),Z(:)];
loc2 = 2*loc1;
ptCloud = pointCloud([loc1;loc2]);
pcshow(ptCloud)
title('Point Cloud')

Figure contains an axes. The axes with title Point Cloud contains an object of type scatter.

Установите минимальное Евклидово расстояние между кластерами.

minDistance = 0.5;

Сегментируйте облако точек.

[labels,numClusters] = pcsegdist(ptCloud,minDistance);

Постройте помеченные результаты. Точки сгруппированы в два кластера.

pcshow(ptCloud.Location,labels)
colormap(hsv(numClusters))
title('Point Cloud Clusters')

Figure contains an axes. The axes with title Point Cloud Clusters contains an object of type scatter.

Кластерное облако точек лидара на основе евклидова расстояния

Скрипт Open Live Script

Загрузите организованное облако точек лидара в рабочей области.

ld = load('drivingLidarPoints.mat');

Обнаружьте наземную плоскость. Расстояние измеряется в метрах.

maxDistance = 0.9;
referenceVector = [0 0 1];
[~,inliers,outliers] = pcfitplane(ld.ptCloud,maxDistance,referenceVector);

Удалите наземные точки плоскости.

ptCloudWithoutGround = select(ld.ptCloud,outliers);

Кластеризируйте облако точек с минимумом 10 точек на кластер.

minDistance = 2;
minPoints = 10;
[labels,numClusters] = pcsegdist(ptCloudWithoutGround,minDistance,'NumClusterPoints',minPoints);

Удалите точки со значением метки 0.

idxValidPoints = find(labels);
labelColorIndex = labels(idxValidPoints);
segmentedPtCloud = select(ptCloudWithoutGround,idxValidPoints);

Постройте помеченные результаты.

figure
colormap(hsv(numClusters))
pcshow(segmentedPtCloud.Location,labelColorIndex)
title('Point Cloud Clusters')

Figure contains an axes. The axes with title Point Cloud Clusters contains an object of type scatter.

Входные параметры

свернуть все

`ptCloud` — Облако точек
`pointCloud` объект

Облако точек в виде pointCloud объект.

`minDistance` — Минимальное Евклидово расстояние
положительная скалярная величина

Минимальное Евклидово расстояние между точками от двух различных кластеров в виде положительной скалярной величины.

Типы данных: single | double

`minmaxNCP` — Минимальное и максимальное количество точек в каждом кластере
`[1,Inf]` (значение по умолчанию) | вектор с 2 элементами

Минимальное и максимальное количество точек в каждом кластере в виде скаляра или вектора с 2 элементами из формы [minPoints maxPoints]. Когда вы задаете minmaxNCP как скалярное значение, функция не ограничивает максимальное количество точек в каждом кластере. Функция присваивает значение метки 0 для кластеров, которые, как находят, находились вне заданной области.

Выходные аргументы

свернуть все

`labels` — Кластерные метки
M-by-1 вектор | M-by-N матрица

Кластерные метки, возвращенные как одно из следующих.

Если облако точек, ptCloud, хранилища указывают местоположения как неорганизованный M-by-3 матрица, затем labels M-by-1 вектор.
Если облако точек, ptCloud, хранилища указывают местоположения как организованный M-by-N-by-3 массив, затем labels M-by-N матрица.

Каждая точка в облаке точек имеет кластерную метку, заданную соответствующим элементом в labels. Значение каждой метки является целым числом от 0 к количеству кластеров актуальных вопросов, numClusters. Значение 0 резервируется для недопустимых точек, таких как точки с Inf или NaN координаты.

`numClusters` — Количество кластеров
положительное целое число

Количество кластеров, возвращенных как положительное целое число. Количество кластеров не включает кластер, соответствующий недопустимым точкам, и исключает значение метки, 0, который резервируется для недопустимых точек.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Указания и ограничения по применению:

Сгенерированные сегменты кода CUDA^® облако точек в кластеры при помощи комбинации алгоритмов, описанных в [1] и [2]. Выход от сгенерированного кода может не согласиться немного с результатами симуляции MATLAB^®.
NumClusterPoints аргумент значения имени не поддерживается для генерации кода графического процессора.

Ссылки

[1] Андрэйд, Гильерме, Габриэль Рамос, Дэниел Мэдейра, Рафаэль Сэчетто, Ренато Феррейра и Леонардо Роха. “G-DBSCAN: графический процессор Ускоренный Алгоритм для Основанной на плотности Кластеризации”. Procedia Computer Science 18 (2013): 369–78. https://doi.org/10.1016/j.procs.2013.05.200.

[2] Калентев, Александр, Абха Rai, Стефан Кемниц и Ральф Шнейдер. “Связанная Маркировка Компонента на 2D Сетке Используя CUDA”. Журнал Параллельных и Распределенных вычислений 71, № 4 (апрель 2011): 615–20. https://doi.org/10.1016/j.jpdc.2010.10.012.

Введенный в R2018a

Документация

pcsegdist

Синтаксис

Описание

Примеры

Точка накопления, облачная на евклидовом расстоянии

Кластерное облако точек лидара на основе евклидова расстояния

Входные параметры

`ptCloud` — Облако точек
`pointCloud` объект

`minDistance` — Минимальное Евклидово расстояние
положительная скалярная величина

`minmaxNCP` — Минимальное и максимальное количество точек в каждом кластере
`[1,Inf]` (значение по умолчанию) | вектор с 2 элементами

Выходные аргументы

`labels` — Кластерные метки
M-by-1 вектор | M-by-N матрица

`numClusters` — Количество кластеров
положительное целое число

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Ссылки

Смотрите также

Документация Computer Vision Toolbox

Поддержка

Документация

pcsegdist

Синтаксис

Описание

Примеры

Точка накопления, облачная на евклидовом расстоянии

Кластерное облако точек лидара на основе евклидова расстояния

Входные параметры

ptCloud — Облако точек pointCloud объект

minDistance — Минимальное Евклидово расстояние положительная скалярная величина

minmaxNCP — Минимальное и максимальное количество точек в каждом кластере [1,Inf] (значение по умолчанию) | вектор с 2 элементами

Выходные аргументы

labels — Кластерные метки M-by-1 вектор | M-by-N матрица

numClusters — Количество кластеров положительное целое число

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.

Ссылки

Смотрите также

Документация Computer Vision Toolbox

Поддержка

`ptCloud` — Облако точек
`pointCloud` объект

`minDistance` — Минимальное Евклидово расстояние
положительная скалярная величина

`minmaxNCP` — Минимальное и максимальное количество точек в каждом кластере
`[1,Inf]` (значение по умолчанию) | вектор с 2 элементами

`labels` — Кластерные метки
M-by-1 вектор | M-by-N матрица

`numClusters` — Количество кластеров
положительное целое число

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Генерация кода графического процессора
Сгенерируйте код CUDA® для NVIDIA® графические процессоры с помощью GPU Coder™.