segmentLidarData
Сегмент, организованная 3 -D область значений данных в кластеры
Синтаксис
Описание
labels = segmentLidarData(ptCloud,distThreshold)ptCloud в кластеры. Функция присваивает 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 distThreshold или если угол между датчиком и двумя соседними точками составляет не менее 5 степени.
labels = segmentLidarData(ptCloud,distThreshold,angleThreshold)angleThreshold.
[ также возвращает количество кластеров.labels,numClusters] = segmentLidarData(___)
[___] = segmentLidarData(___, также устанавливает минимальное и максимальное число точек в каждом кластере, заданное как вектор с 2 элементами или как скалярное значение. Когда вы задаете NumClusterPoints=[1,Inf])NumClusterPoints в качестве скаляра максимальное число точек в кластере неограниченно. Функция устанавливает labels на 0 когда кластеры находятся вне заданной области.
Примеры
Кластерные организованные синтетические данные лидара
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);
Преобразуйте 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 порог.
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')
Кластер Организованное Облако Точек Лидара
Настройте средство чтения файлов PCAP.
veloReader = velodyneFileReader('lidarData_ConstructionRoad.pcap','HDL32E');
Подождите 0,3 секунды от начала файла, затем прочтите облако точек из следующей системы координат.
veloReader.CurrentTime = veloReader.StartTime + seconds(0.3); ptCloud = readFrame(veloReader);
Сегментируйте и удалите плоскость заземления.
groundPtsIdx = segmentGroundFromLidarData(ptCloud); ptCloudWithoutGround = select(ptCloud,~groundPtsIdx,'OutputSize','full');
Группируйте оставшиеся точки. Расстояние в метрах.
distThreshold = 0.5; [labels,numClusters] = segmentLidarData(ptCloudWithoutGround,distThreshold);
Добавьте дополнительную метку для плоскости заземления.
numClusters = numClusters+1; labels(groundPtsIdx) = numClusters;
Постройте график маркированных результатов. Отобразите плоскость земли в черном цвете.
labelColorIndex = labels+1;
pcshow(ptCloud.Location,labelColorIndex)
colormap([hsv(numClusters);[0 0 0]])
title('Point Cloud Clusters')
Входные параметры
ptCloud - Облако точек
pointCloud объект
Облако точек, заданное как pointCloud объект. ptCloud - организованное облако точек, которое хранит координаты точек в матрице M -by N -by-3. Точки должны быть организованы углами тангажа и рыскания в последовательном порядке сканирования, который обычно получают от лазерных областей значений и velodyneFileReader.
distThreshold - Порог расстояния
неотрицательный скаляр
Порог расстояния в мировых единицах измерения, заданный как неотрицательный скаляр. Смежные точки сгруппированы в один кластер, если расстояние между ними меньше порога расстояния. Чтобы уменьшить количество выходных кластеров, увеличьте значение distThreshold.
Типы данных: single | double
angleThreshold - Угловой порог
скаляр в области значений [0, 180]
Угловой порог, в степенях, задается как скаляр в области значений [0, 180]. Чтобы уменьшить количество выхода кластеров, уменьшите значение angleThreshold. Функция группирует смежные точки в один кластер, если угол, образованный датчиком, и точки больше, чем порог угла. Для примера на рисунке функция группирует точки A и B в один кластер, если угол, образованный датчиком, точкой A и точкой B, больше angleThreshold. Для получения дополнительной информации см. «Алгоритмы». 
Типы данных: single | double
Выходные аргументы
Алгоритмы
segmentLidarData функция использует пороги расстояния и угла для соседних точек кластера. Функция группирует две соседние точки в один кластер, если их евклидово расстояние меньше входа distThreshold или если угол между датчиком и соседними точками больше или равен входу angleThreshold. Если вы не задаете angleThresholdфункция устанавливает этот угол равным 5 степени.
Например, предположим angleThreshold установлено в 90. Поскольку углы α и β на рисунке больше заданного порога в 90 степени, функции группируют A, B и C в один и тот же кластер. Поскольку угол и меньше 90-градусного порога, функция группирует точку D в отдельный кластер. Каждый угол, используемый функцией для кластеризации, формируется линией от точки до датчика и линией от этой же точки до соседней точки
Ссылки
[1] Богославский, И. «Эффективная онлайн-сегментация для разреженных 3D лазерных сканов». Журнал фотограмметрии, дистанционного зондирования и геоинформации. Том 85, Выпуск 1, 2017, стр. 41-52.
Расширенные возможности
См. также
pcfitplane | pcsegdist | pointCloud | segmentGroundFromLidarData | velodyneFileReader