Отображение облаков точек с совпадающими функциями точками
pcshowMatchedFeatures( отображает облака точек, ptCloud1,ptCloud2,matchedPtCloud1,matchedPtCloud2)ptCloud1 и ptCloud2, с совпадающими точками функций, matchedPtCloud1 и matchedPtCloud2. График кодируется цветом облаком точек и каждый соединяется с соответствующей точкой в другом облаке точек линией.
ax = pcshowMatchedFeatures(___)Axes объект с использованием входных параметров из предыдущего синтаксиса.
[___] = pcshowMatchedFeatures(___, задает опции, использующие один или несколько аргументы пары "имя-значение" в дополнение к любой комбинации аргументов в предыдущих синтаксисах. Для примера, Name,Value)'Method','montage' визуализирует облака точек рядом друг с другом в осях.
В этом примере показано, как визуализировать соответствующие функции облака точек с помощью pcshowMatchedFeatures функция. В примере используются функции, вычисленные с помощью extractFPFHFeatures функция.
Загрузите необходимые файлы в рабочую область.
load("features1.mat"); load("features2.mat"); load("ptCloud1.mat"); load("ptCloud2.mat");
Соответствие функций между двумя облаками точек.
indexPairs = pcmatchfeatures(features1,features2,ptCloud1,ptCloud2);
Создайте облака точек только для точек в каждом облаке точек с соответствующими функциями в другом облаке точек.
matchedPts1 = select(ptCloud1,indexPairs(:,1)); matchedPts2 = select(ptCloud2,indexPairs(:,2));
Визуализация совпадений.
pcshowMatchedFeatures(ptCloud1,ptCloud2,matchedPts1,matchedPts2, ... "Method","montage") xlim([-40 210]) ylim([-50 50]) title("Matched Points")
Совпадающие функции и облака точек закодированы в цвете для улучшения визуализации:
Пурпурный - Движущееся облако точек.
Зеленый - Фиксированное облако точек.
Красный круг - Совпадающие точки в движущемся облаке точек.
Голубая звездочка - Совпадающие точки в фиксированном облаке точек.
Желтый - линия, соединяющая совпадающие функции.
Создайте средство чтения файлов PCAP Velodyne.
veloReader = velodyneFileReader('lidarData_ConstructionRoad.pcap','HDL32E');
Считайте первое и четвертое сканы из файла.
ptCloud1 = readFrame(veloReader,1); ptCloud2 = readFrame(veloReader,4);
Снимите наземную плоскость с 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');
Кластеризуйте облака точек с минимум 10 точками 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 из 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);
Поиск предполагаемых совпадений функций.
indexPairs = pcmatchfeatures(features1,features2, ...
pointCloud(centroids1),pointCloud(centroids2));Получите совпадающие сегменты и функции для визуализации.
matchedSegments1 = segments1(indexPairs(:,1)); matchedSegments2 = segments2(indexPairs(:,2)); matchedFeatures1 = eigFeatures1(indexPairs(:,1)); matchedFeatures2 = eigFeatures2(indexPairs(:,2));
Визуализация совпадений.
figure
pcshowMatchedFeatures(matchedSegments1,matchedSegments2,matchedFeatures1,matchedFeatures2)
title('Matched Segments')