Параметрическая кубовидная модель
cuboidModel объект сохраняет параметры параметрической кубовидной модели. После создания cuboidModel с помощью функций объекта можно извлекать угловые точки кубовидной формы и точки внутри кубовидной формы. Кубоидные модели используются для хранения выходных данных pcfitcuboid функция. Это функция подбора формы, которая помещается в кубоид над облаком точек.
model = cuboidModel(params)params.
model = pcfitcuboid(ptCloudIn)pcfitcuboid функция сохраняет свойства кубоида в параметрическом объекте модели кубоида, model.
model = pcfitcuboid(ptCloudIn,indices)indices, в облаке входных точек.
Дополнительные сведения об использовании этой функции см. на веб-сайте pcfitcuboid страница ссылки на функцию.
Parameters - Параметры кубовидной моделиЭто свойство доступно только для чтения.
Параметры кубоидной модели, хранящиеся как девятиэлементный вектор строки вида [xctr yctr zctr xlen ylen zlen xrot yrot zrot].
xctr, yctr и zctr указывают центр кубоида.
xlen, ylen и zlen указывают длину кубоида вдоль осей x, y и z, соответственно, перед применением вращения.
xrot, yrot и zrot определяют углы поворота кубоида вдоль осей x, y и z соответственно. Эти углы являются положительными по часовой стрелке при взгляде в направлении вперед соответствующих им осей.
На рисунке показано, как эти значения определяют положение кубоида.
Эти параметры определяются params входной аргумент.
Типы данных: single | double
Center - Центр кубоидаЭто свойство доступно только для чтения.
Центр кубоида, хранящийся в виде трехэлементного вектора строки вида [xctr yctr zctr]. Вектор содержит 3-D координаты кубоидного центра по осям X, Y и Z соответственно.
Это свойство является производным от Parameters собственность.
Типы данных: single | double
Dimensions - Размеры кубоидаЭто свойство доступно только для чтения.
Размеры кубоида, хранящиеся в виде трехэлементного вектора строки вида [xlen ylen zlen]. Вектор содержит длину кубоида вдоль осей x, y и z соответственно.
Это свойство является производным от Paramareters собственность.
Типы данных: single | double
Orientation - Ориентация кубоидаЭто свойство доступно только для чтения.
Ориентация кубоида, хранящегося в виде трехэлементного вектора строки вида, [xrot yrot zrot], в градусах . Вектор содержит поворот кубоида вдоль осей x, y и z соответственно.
Это свойство является производным от Paramareters собственность.
Типы данных: single | double
getCornerPoints | Получение угловых точек кубовидной модели |
findPointsInsideCuboid | Поиск точек, замкнутых кубовидной моделью |
plot | Печать кубовидной модели |
Обнаружение кубоида в облаке точек с помощью pcfitcuboid функция. Функция сохраняет параметры cuboid как cuboidModel объект.
Считывание данных облака точек в рабочее пространство.
ptCloud = pcread('highwayScene.pcd');Выполните поиск облака точек в пределах определенной области, представляющей интерес (ROI). Создайте облако точек только для обнаруженных точек.
roi = [-30 30 -20 30 -8 13]; in = findPointsInROI(ptCloud,roi); ptCloudIn = select(ptCloud,in);
Постройте график облака точек для обнаруженных точек.
figure pcshow(ptCloudIn.Location) xlabel('X(m)') ylabel('Y(m)') zlabel('Z(m)') title('Detected Points in ROI')
Найдите индексы точек в указанном ROI в облаке точек.
roi = [9.6 13.8 7.9 9.3 -2.5 3]; sampleIndices = findPointsInROI(ptCloudIn,roi);
Поместите кубоид в выбранный набор точек в облаке точек.
model = pcfitcuboid(ptCloudIn,sampleIndices); figure pcshow(ptCloudIn.Location) xlabel('X(m)') ylabel('Y(m)') zlabel('Z(m)') title('Detect a Cuboid in a Point Cloud')
Постройте график кубовидной рамки в облаке точек.
hold on
plot(model)
Отображение внутренних свойств cuboidModel объект.
model
model =
cuboidModel with properties:
Parameters: [11.4873 8.5997 -1.6138 3.6713 1.3220 1.7576 0 0 0.9999]
Center: [11.4873 8.5997 -1.6138]
Dimensions: [3.6713 1.3220 1.7576]
Orientation: [0 0 0.9999]
Поместите кубовидные ограничивающие рамки вокруг кластеров в облаке точек.
Загрузите данные облака точек в рабочее пространство.
data = load('drivingLidarPoints.mat');Определение и обрезка представляющей интерес области (ROI) из облака точек. Визуализация выбранной окупаемости инвестиций облака точек.
roi = [-40 40 -6 9 -2 1]; in = findPointsInROI(data.ptCloud,roi); ptCloudIn = select(data.ptCloud,in); hcluster = figure; panel = uipanel('Parent',hcluster,'BackgroundColor',[0 0 0]); ax = axes('Parent',panel,'Color',[0 0 0]); pcshow(ptCloudIn,'MarkerSize',30,'Parent',ax) title('Input Point Cloud')
Сегментация нулевой плоскости. Визуализация сегментированной плоскости заземления.
maxDistance = 0.3; referenceVector = [0 0 1]; [~,inliers,outliers] = pcfitplane(ptCloudIn,maxDistance,referenceVector); ptCloudWithoutGround = select(ptCloudIn,outliers,'OutputSize','full'); hSegment = figure; panel = uipanel('Parent',hSegment,'BackgroundColor',[0 0 0]); ax = axes('Parent',panel,'Color',[0 0 0]); pcshowpair(ptCloudIn,ptCloudWithoutGround,'Parent',ax) legend('Ground Region','Non-Ground Region','TextColor', [1 1 1]) title('Segmented Ground Plane')
Сегментируйте неназначенную область облака точек на кластеры. Визуализация сегментированного облака точек.
distThreshold = 1; [labels,numClusters] = pcsegdist(ptCloudWithoutGround,distThreshold); labelColorIndex = labels; hCuboid = figure; panel = uipanel('Parent',hCuboid,'BackgroundColor',[0 0 0]); ax = axes('Parent',panel,'Color',[0 0 0]); pcshow(ptCloudIn.Location,labelColorIndex,'Parent',ax) title('Fitting Bounding Boxes') hold on
Поместите ограничительную рамку на каждый кластер, отображаемую оранжевым цветом.
for i = 1:numClusters idx = find(labels == i); model = pcfitcuboid(ptCloudWithoutGround,idx); plot(model) end
