Обработка облака точек

Предварительная обработка, визуализация, регистрация, подгонка геометрических форм, создание карт, реализация алгоритмов SLAM и использование глубокого обучения с 3-D облаками точек

Облако точек является набором точек данных в трехмерном пространстве. Точки вместе представляют 3-D форму или объект. Каждая точка в наборе данных представлена x, y и z геометрической координатами. Облака точек обеспечивают средство сборки большого количества одиночных пространственных измерений в набор данных, который может быть представлен как описываемый объект. Обработка облака точек используется в навигации и восприятии робота, оценке глубины, стерео-видении, визуальной регистрации и в передовых системах помощи драйверу (ADAS). Алгоритмы Computer Vision Toolbox™ обеспечивают функциональность обработки облака точек для понижающей дискретизации, шумоподавление и преобразования облаков точек. Тулбокс также обеспечивает регистрацию облака точек, подгонку геометрической формы к 3-D облакам 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 чтобы зарегистрировать движущееся облако точек в фиксированное облако точек. Эти алгоритмы регистрации основаны на итерационном алгоритме ближайшей точки (ICP), алгоритме преобразования нормальных распределений (NDT), алгоритме корреляции фазы и алгоритме когерентного дрейфа точки (CPD), соответственно. Можно создать карту с зарегистрированными облаками точек, обнаружить замыкания цикла, оптимизировать карту для коррекции дрейфа и выполнить локализацию на предварительно построенной карте. Для получения дополнительной информации смотрите Обзор Облако Точек SLAM.

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

Функции

расширить все

pcreadЧтение 3-D облака точек из PLY или PCD- файла
pcwriteЗапись 3-D облака точек в PLY или PCD- файла
pcfromkinectОблако точек из Kinect для Windows
velodyneFileReaderЧтение данных облака точек из файла Velodyne PCAP
pcviewsetУправление данными для визуальной одометрии на основе облака точек и SLAM
pointCloudОбъект для хранения 3-D облака точек
pcshowПостройте график 3-D облаке точек
pcshowpairВизуализируйте различие между двумя облаками точек
pcplayerВизуализация потоковых данных 3-D облака точек
showShapeОтображение фигур на изображении, видео или облаке точек

Предварительно обработать

pcbinПространственно интервал точек облака точек
pcdenoiseУдалите шум из 3-D облака точек
pcdownsampleDownsample 3-D облако точек
pcnormalsОцените нормали для облака точек

Поиск и удаление точек

findPointsInROIПоиск точек в необходимую область в облаке точек
findNearestNeighborsНайти ближайших соседей точки в облаке точек
findNeighborsInRadiusПоиск соседей в радиусе точки в облаке точек
removeInvalidPointsУдаление недопустимых точек из облака точек
pcsegdistСегментируйте облако точек в кластеры на основе евклидова расстояния
segmentGroundFromLidarDataСегментируйте наземные точки от подготовленных лидарных данных
segmentLidarDataСегмент, организованная 3 -D область значений данных в кластеры

Регистрируйте облака точек

pcregistercorrЗарегистрируйте две облака точек, используя фазу корреляцию
pcregistericpЗарегистрируйте две облака точек с помощью алгоритма ICP
pcregistercpdЗарегистрируйте две облака точек с помощью алгоритма CPD
pcregisterndtЗарегистрируйте две облака точек с помощью алгоритма NDT

Преобразуйте облака точек

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

Выравнивание или объединение облаков точек

pcalignВыравнивание облаков точек массива
pccatКонкатенация 3-D массивом облаков точек
pcmergeОбъединение двух облаков 3-D точек

Определение кандидатов на закрытие цикла

scanContextDistanceРасстояние между дескрипторами контекста скана
scanContextDescriptorИзвлеките дескриптор контекста скана из облака точек

Оптимизируйте положения

createPoseGraphСоздайте график положения
optimizePosesОптимизируйте абсолютные положения с помощью относительных ограничений положения

Создайте карту локализации

pcmapndtКарта локализации, основанная на преобразовании нормальных распределений (NDT)
pcfitcylinderПодгонка цилиндра к 3-D облаку точек
pcfitplaneПодбор плоскости к 3-D облаку точек
pcfitsphereПодбор сферы к 3-D облака точек
pcnormalsОцените нормали для облака точек
fitPolynomialRANSACПодгонка полинома к точкам с помощью RANSAC
ransacПодгонка модели к зашумленным данным
cylinderModelОбъект для хранения параметрической модели гидроцилиндра
planeModelОбъект для хранения параметрической модели плоскости
sphereModelОбъект для хранения параметрической модели сферы

Темы

Формат PLY

Формат треугольника Стэнфорда

Обзор облака точек SLAM

Осмыслите рабочий процесс регистрации и отображения облака точек.

Начало работы с облаками точек с помощью глубокого обучения

Осмыслите, как использовать облака точек для глубокого обучения.

Выберите функцию для визуализации обнаруженных объектов

Сравните функции визуализации.

Маркировка, сегментация и обнаружение (Lidar Toolbox)

Маркируйте, сегментируйте, обнаруживайте и отслеживайте объекты в данных облака точек с помощью глубокого обучения и геометрических алгоритмов

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте