Сегмент, организованный 3-D распределения данных по кластерам
labels = segmentLidarData(ptCloud,distThreshold)ptCloud в кластеры. Функция назначает целочисленную метку кластера каждой точке в облаке точек и возвращает метку кластера всех точек в labels.
Функция группирует две соседние точки в один кластер, если их евклидово расстояние меньше, чем distThreshold или если угол между датчиком и двумя соседними точками составляет не менее 5 градусов.
labels = segmentLidarData(ptCloud,distThreshold,angleThreshold)angleThreshold.
[ также возвращает число кластеров.labels,numClusters] = segmentLidarData(___)
[___] = segmentLidarData(___, также задает минимальное и максимальное количество точек в каждом кластере, задаваемое как 2-элементный вектор или как скалярное значение. При указании NumClusterPoints=[1,Inf])NumClusterPoints как скаляр, максимальное количество точек в кластере является неограниченным. Функция устанавливает labels кому 0 если кластеры находятся за пределами указанного диапазона.
Создайте организованные синтетические данные лидара, содержащие два объекта.
ldr = zeros(5,100); ldr(:,1:50) = 10; ldr(:,51:end) = 20; pitch = linspace(-18,18,5); pitch = repmat(pitch',1,100); yaw = linspace(-90,90,100); yaw = repmat(yaw,5,1);
Преобразование в декартовы координаты.
X = ldr .* cosd(pitch) .* sind(yaw); Y = ldr .* cosd(pitch) .* cosd(yaw); Z = ldr .* sind(pitch); pc = pointCloud(cat(3,X,Y,Z)); figure pcshow(pc.Location,'r') title('Unclustered Point Cloud')
Установите пороговое значение.
distThreshold = 5;
Сегментируйте данные лидара.
labels = segmentLidarData(pc,distThreshold);
Постройте график результатов.
figure hold on title('Segmented Clusters') pc1 = select(pc,find(labels == 1)); pcshow(pc1.Location,'g') pc2 = select(pc,find(labels == 2)); pcshow(pc2.Location,'y')
Настройте средство чтения файлов PCAP.
veloReader = velodyneFileReader('lidarData_ConstructionRoad.pcap','HDL32E');
Подождите 0,3 секунды от начала файла, затем прочтите облако точек из следующего кадра.
veloReader.CurrentTime = veloReader.StartTime + seconds(0.3); ptCloud = readFrame(veloReader);
Постройте сегмент и удалите плоскость заземления.
groundPtsIdx = segmentGroundFromLidarData(ptCloud); ptCloudWithoutGround = select(ptCloud,~groundPtsIdx,'OutputSize','full');
Скопируйте оставшиеся точки. Расстояние в метрах.
distThreshold = 0.5; [labels,numClusters] = segmentLidarData(ptCloudWithoutGround,distThreshold);
Добавьте дополнительную метку для нулевой плоскости.
numClusters = numClusters+1; labels(groundPtsIdx) = numClusters;
Постройте график помеченных результатов. Отображение нулевой плоскости черным цветом.
labelColorIndex = labels+1;
pcshow(ptCloud.Location,labelColorIndex)
colormap([hsv(numClusters);[0 0 0]])
title('Point Cloud Clusters')
ptCloud - Облако точекpointCloud объектОблако точек, указанное как pointCloud объект. ptCloud - организованное облако точек, сохраняющее координаты точек в матрице M-by-N-by-3. Точки должны быть организованы по углам тангажа и рыскания в последовательном порядке сканирования, который обычно получают с помощью лазерных дальномеров и velodyneFileReader.
distThreshold - Порог расстоянияПорог расстояния в мировых единицах, заданный как неотрицательный скаляр. Смежные точки группируются в один и тот же кластер, если расстояние между ними меньше порога расстояния. Чтобы уменьшить количество выходных кластеров, увеличьте значение distThreshold.
Типы данных: single | double
angleThreshold - Угловой порогПорог угла в градусах, заданный как скаляр в диапазоне [0, 180]. Чтобы уменьшить количество выходных кластеров, уменьшите значение angleThreshold. Функция группирует смежные точки в один и тот же кластер, если угол, образованный датчиком, и точки больше порога угла. Например, на рисунке функция группирует точки A и B в один и тот же кластер, если угол, образованный датчиком, точкой A и точкой B, больше, чем angleThreshold. Дополнительные сведения см. в разделе Алгоритмы. 
Типы данных: single | double
segmentLidarData функция использует пороговые значения расстояния и угла для кластеризации соседних точек. Функция группирует две соседние точки в один кластер, если их евклидово расстояние меньше входного distThreshold или если угол между датчиком и соседними точками больше или равен входу angleThreshold. Если не указать angleThreshold, функция устанавливает этот угол на 5 степени.
Например, предположим angleThreshold имеет значение 90. Поскольку углы α и β на рисунке оба больше заданного порога в 90 градусов, функциональные группы указывают точки A, B и C в одном кластере. Поскольку угол λ меньше 90-градусного порога, функция группирует точку D в отдельный кластер. Каждый угол, используемый функцией для кластеризации, формируется линией от точки к датчику и линией от этой же точки к соседней точке.
[1] Богославский, И. «Эффективная сегментация в режиме онлайн для разреженных 3D лазерных сканирований». Журнал фотограмметрии, дистанционного зондирования и геоинформационных наук. Том 85, выпуск 1, 2017, стр. 41-52.
pcfitplane | pcsegdist | pointCloud | segmentGroundFromLidarData | velodyneFileReader