exponenta event banner

Обработка облака точек

Предварительная обработка, визуализация, регистрация, подбор геометрических форм, построение карт, внедрение алгоритмов SLAM и использование глубокого обучения с 3-D облаками точек

Облако точек - это набор точек данных в 3-D пространстве. Точки вместе представляют собой 3-D форму или объект. Каждая точка в наборе данных представлена геометрическими координатами x, y и z. Точечные облака обеспечивают средство сборки большого количества одиночных пространственных измерений в набор данных, который может быть представлен как описываемый объект. Обработка облака точек используется в роботизированной навигации и восприятии, оценке глубины, стереовидении, визуальной регистрации и в современных системах помощи водителю (ADAS). Алгоритмы Computer Vision Toolbox™ обеспечивают функции обработки облаков точек для понижающей дискретизации, деноизирования и преобразования облаков точек. Панель инструментов также обеспечивает регистрацию облака точек, геометрический подбор формы для 3-D облаков точек и возможность чтения, записи, хранения, отображения и сравнения облаков точек. Можно также объединить несколько облаков точек для восстановления 3-D сцены.

Вы можете использовать pcregistericp, pcregisterndt, pcregistercorr, и pcregistercpd для регистрации движущегося облака точек в фиксированном облаке точек. Эти алгоритмы регистрации основаны на алгоритме итеративной ближайшей точки (ICP), алгоритме преобразования нормальных распределений (NDT), алгоритме фазовой корреляции и алгоритме дрейфа когерентной точки (CPD) соответственно. Можно построить карту с зарегистрированными облаками точек, обнаружить замыкания петель, оптимизировать карту для исправления дрейфа и выполнить локализацию в предварительно созданной карте. Дополнительные сведения см. в разделе Обзор SLAM облака точек.

A point cloud of two concentric point clouds combined, a sensor angle computation, and a point cloud representing a teapot

Функции

развернуть все

pcreadСчитывание облака точек 3-D из файла PLY или PCD
pcwriteЗапись облака точек 3-D файл PLY или PCD
pcfromkinectОблако точек из Kinect для Windows
velodyneFileReaderСчитывание данных облака точек из файла Velodine PCAP
pcviewsetУправление данными для визуальной одометрии на основе облака точек и SLAM
pointCloudОбъект для хранения 3-D облака точек
pcshowПечать 3-D облако точек
pcshowpairВизуализация разницы между двумя облаками точек
pcplayerВизуализация потоковой передачи 3-D данных облака точек
showShapeОтображение фигур на изображении, видео или облаке точек

Предварительно обработать

pcbinТочки облака пространственной ячейки
pcdenoiseУдаление шума из облака точек 3-D
pcdownsampleПонизить оценку облака точек 3-D
pcnormalsОценка нормалей для облака точек

Поиск и удаление точек

findPointsInROIПоиск точек в интересующей области в облаке точек
findNearestNeighborsПоиск ближайших соседей точки в облаке точек
findNeighborsInRadiusПоиск соседей в радиусе точки в облаке точек
removeInvalidPointsУдаление недопустимых точек из облака точек
pcsegdistСегментация облака точек в кластеры на основе евклидова расстояния
segmentGroundFromLidarDataТочки основания сегмента из упорядоченных данных лидара
segmentLidarDataСегмент, организованный 3-D распределения данных по кластерам

Регистрировать облака точек

pcregistercorrРегистрация двух точечных облаков с использованием фазовой корреляции
pcregistericpРегистрация двух точечных облаков по алгоритму ICP
pcregistercpdРегистрация двух точечных облаков по алгоритму CPD
pcregisterndtРегистрация двух точечных облаков по алгоритму неразрушающего контроля

Преобразовать облака точек

rigid3d3-D жесткое геометрическое преобразование
pctransformПреобразование 3-D облако точек

Выравнивание или объединение облаков точек

pcalignВыравнивание облаков точек массива
pccatОбъединение массива облака точек 3-D
pcmergeОбъединение двух облаков 3-D точек

Определение кандидатов на замыкание шлейфа

scanContextDistanceРасстояние между дескрипторами контекста сканирования
scanContextDescriptorИзвлечь дескриптор контекста сканирования из облака точек

Оптимизация позиций

createPoseGraphСоздать график позы
optimizePosesОптимизация абсолютных поз с использованием зависимостей относительных поз

Создать карту локализации

pcmapndtКарта локализации на основе преобразования нормальных распределений (NDT)
pcfitcylinderПодогнать цилиндр к облаку точек 3-D
pcfitplaneВписать плоскость 3-D облако точек
pcfitsphereВписать сферу 3-D облако точек
pcnormalsОценка нормалей для облака точек
fitPolynomialRANSACПодгонка полинома по точкам с помощью команды RANSAC
ransacПодгонка модели под шумные данные
cylinderModelОбъект для хранения параметрической модели цилиндра
planeModelОбъект для хранения параметрической модели плоскости
sphereModelОбъект для хранения параметрической модели сферы

Темы

Формат PLY

Формат Стэнфордского треугольника

Обзор SLAM облака точек

Описание процесса регистрации и сопоставления облака точек.

Начало работы с облаками точек с помощью глубокого обучения

Узнайте, как использовать облака точек для глубокого обучения.

Выберите функцию для визуализации обнаруженных объектов

Сравнение функций визуализации.

Маркировка, сегментация и обнаружение (панель инструментов Lidar)

Создание меток, сегментов, обнаружение и отслеживание объектов в данных облака точек с помощью алгоритмов глубокого обучения и геометрических алгоритмов

Характерные примеры