pcmatchfeatures

Найдите соответствие с функциями между облаками точек

Синтаксис

indexPairs = pcmatchfeatures(features1,features2)

indexPairs = pcmatchfeatures(features1,features2,ptCloud1,ptCloud2)

[indexPairs,scores] = pcmatchfeatures(___)

[___] = pcmatchfeatures(___,Name,Value)

Описание

indexPairs = pcmatchfeatures(features1,features2) находит, что соответствие с функциями между входными матрицами извлеченного облака точек показывает и возвращает их индексы в каждой матрице функции.

пример

indexPairs = pcmatchfeatures(features1,features2,ptCloud1,ptCloud2) отклоняет неоднозначные соответствия функции на основе пространственной реляционной информации от облаков точек, соответствующих матрицам функции.

[indexPairs,scores] = pcmatchfeatures(___) возвращает нормированные Евклидовы расстояния между соответствующими функциями с помощью любой комбинации входных параметров от предыдущих синтаксисов.

[___] = pcmatchfeatures(___,Name,Value) задает опции с помощью одного или нескольких аргументов пары "имя-значение" в дополнение к любой комбинации аргументов в предыдущих синтаксисах. Например, 'MatchThreshold',0.03 устанавливает нормированный порог расстояния для соответствия с функциями к 0.03.

Примеры

свернуть все

Совпадайте с соответствующими функциями в облаках точек

Скрипт Open Live Script

В этом примере показано, как совпадать с соответствующими функциями облака точек с помощью pcmatchfeatures функция.

Предварительная обработка

Считайте данные об облаке точек в рабочую область.

ptCld = pcread('teapot.ply');

Downsample облако точек.

ptCloud = pcdownsample(ptCld,'gridAverage',0.05);

Преобразуйте и создайте новое облако точек с помощью матрицы преобразования A.

A = [cos(pi/6) sin(pi/6) 0 0; ...
    -sin(pi/6) cos(pi/6) 0 0; ...
            0         0  1 0; ...
            5         5 10 1];     
tform = affine3d(A);
ptCloudTformed = pctransform(ptCloud,tform);

Визуализируйте эти два облака точек.

pcshowpair(ptCloud,ptCloudTformed);
legend("Original", "Transformed","TextColor",[1 1 0]);

Figure contains an axes object. The axes object contains 2 objects of type scatter. These objects represent Original, Transformed.

Совпадайте с соответствующими функциями

В разделе предварительной обработки мы создали второе облако точек путем перевода и вращения исходного облака точек. В этом разделе мы используем pcmatchfeatures функционируйте, чтобы найти соответствие с функциями между этими облаками точек.

Извлеките функции от обоих облака точек с помощью extractFPFHFeatures функция.

fixedFeature = extractFPFHFeatures(ptCloud);
movingFeature = extractFPFHFeatures(ptCloudTformed);
length(movingFeature)

ans = 16578

Найдите соответствующие признаки.

[matchingPairs,scores] = pcmatchfeatures(fixedFeature,movingFeature,ptCloud,ptCloudTformed);
length(matchingPairs)

ans = 3422

Счет близко к нулевым средним значениям, что алгоритм уверен в соответствии и наоборот. Вычислите средний счет ко всем соответствиям с помощью scores вектор.

mean(scores)

ans = 0.0016

Входные параметры

свернуть все

`features1` — Первый набор функций
M ₁ N матрицей

Первый набор функций в виде M ₁ N матрицей. Матрица содержит M ₁ функция, и N является длиной каждого характеристического вектора. Каждая строка представляет одну функцию.

`features2` — Второй набор функций
M ₂ N матрицей

Второй набор функций в виде M ₂ N матрицей. Матрица содержит M ₂ функции, и N является длиной каждого характеристического вектора. Каждая строка представляет одну функцию.

`ptCloud1` — Первое облако точек
`pointCloud` объект

Первое облако точек в виде pointCloud объект.

`ptCloud2` — Второе облако точек
`pointCloud` объект

Второе облако точек в виде pointCloud объект.

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'MatchThreshold',0.03 устанавливает нормированный порог расстояния для соответствия с функциями к 0.03.

`Method` — Метод сопоставления
`'Exhaustive'` (значение по умолчанию) | `'Approximate'`

Метод сопоставления в виде разделенной запятой пары, состоящей из 'Method' и любой 'Exhaustive' или 'Approximate'. Метод определяет, как функция находит самых близких соседей между features1 и features2. Два характеристических вектора соответствуют, когда расстояние между ними меньше или равно соответствующему порогу.

'Exhaustive' — Вычислите попарное расстояние между заданными характеристическими векторами.
'Approximate' — Используйте эффективный аппроксимированный самый близкий соседний поиск. Используйте этот метод для больших наборов функций. Для получения дополнительной информации об алгоритме, см. [1]

Типы данных: char | string

`MatchThreshold` — Соответствие с порогом
0.01 (значение по умолчанию) | скаляр в области значений (`0, 1`]

Соответствие с порогом в виде разделенной запятой пары, состоящей из 'MatchThreshold' и скаляр в области значений (0, 1].

Два характеристических вектора соответствуют, когда нормированное Евклидово расстояние между ними меньше чем или равно соответствующему порогу. Более высокое значение может привести к дополнительным соответствиям, но увеличивает риск ложных положительных сторон.

Типы данных: single | double

`RejectRatio` — Пространственный порог отношения
0.95 (значение по умолчанию) | скаляр в области значений (`0,1`)

Пространственный порог отношения в виде разделенной запятой пары, состоящей из 'RejectRatio' и скаляр в области значений (0,1).

Функция использует данные об облаке точек, чтобы оценить пространственное отношение между точками, сопоставленными с потенциальными соответствиями функции и соответствиями отклонения на основе пространственного порога отношения. Более низкий пространственный порог отношения может привести к дополнительным соответствиям, но увеличивает риск ложных положительных сторон.

Функция не рассматривает пространственный порог отношения, если вы не задаете значения для ptCloud1 и ptCloud2 входные параметры.

Примечание

По крайней мере три функции должны быть соответствующими между матрицами функции, чтобы рассмотреть пространственное отношение.

Типы данных: single | double

Выходные аргументы

свернуть все

`indexPairs` — Индексы совпадающих функций
P-by-2 матрица

Индексы совпадающих функций, возвращенных как P-by-2 матрица. P является количеством совпадающих функций. Каждая строка соответствует совпадающей функции между features1 и features2 входные параметры, где первым элементом является индекс функции в features1 и вторым элементом является индекс соответствующей функции в features2.

Типы данных: uint32

`scores` — Нормированное Евклидово расстояние между соответствием с функциями
P- вектор-столбец элемента

Нормированное Евклидово расстояние между соответствием с функциями, возвращенными как P - вектор-столбец элемента. i th элемент вектора является расстоянием между совпадающими функциями в i th строка indexPairs вывод .

Типы данных: single | double

Ссылки

[1] Muja, Мариус и Дэвид Г. Лоу. "Быстро Аппроксимируйте Самых близких Соседей Автоматической Настройкой Алгоритма". В Продолжениях Четвертой Международной конференции по вопросам Теории Компьютерного зрения и Приложений, 331-40. Лиссабон, Португалия: SciTePress - Публикации Науки и техники, 2009. https://doi.org/10.5220/0001787803310340.

[2] Чжоу, Цянь-И, парк Jaesik и Владлен Кольтун. "Быстрая глобальная регистрация". На европейской Конференции по Компьютерному зрению, стр 766-782. Спрингер, Хан, 2016.

Документация

pcmatchfeatures

Синтаксис

Описание

Примеры

Совпадайте с соответствующими функциями в облаках точек

Входные параметры

`features1` — Первый набор функций
M ₁ N матрицей

`features2` — Второй набор функций
M ₂ N матрицей

`ptCloud1` — Первое облако точек
`pointCloud` объект

`ptCloud2` — Второе облако точек
`pointCloud` объект

Аргументы name-value

`Method` — Метод сопоставления
`'Exhaustive'` (значение по умолчанию) | `'Approximate'`

`MatchThreshold` — Соответствие с порогом
0.01 (значение по умолчанию) | скаляр в области значений (`0, 1`]

`RejectRatio` — Пространственный порог отношения
0.95 (значение по умолчанию) | скаляр в области значений (`0,1`)

Выходные аргументы

`indexPairs` — Индексы совпадающих функций
P-by-2 матрица

`scores` — Нормированное Евклидово расстояние между соответствием с функциями
P- вектор-столбец элемента

Ссылки

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Функции

Документация Lidar Toolbox

Поддержка

Документация

pcmatchfeatures

Синтаксис

Описание

Примеры

Совпадайте с соответствующими функциями в облаках точек

Входные параметры

features1 — Первый набор функций M 1 N матрицей

features2 — Второй набор функций M 2 N матрицей

ptCloud1 — Первое облако точек pointCloud объект

ptCloud2 — Второе облако точек pointCloud объект

Аргументы name-value

Method — Метод сопоставления 'Exhaustive' (значение по умолчанию) | 'Approximate'

MatchThreshold — Соответствие с порогом0.01 (значение по умолчанию) | скаляр в области значений (0, 1]

RejectRatio — Пространственный порог отношения0.95 (значение по умолчанию) | скаляр в области значений (0,1)

Выходные аргументы

indexPairs — Индексы совпадающих функций P-by-2 матрица

scores — Нормированное Евклидово расстояние между соответствием с функциями P- вектор-столбец элемента

Ссылки

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Функции

Документация Lidar Toolbox

Поддержка

`features1` — Первый набор функций
M ₁ N матрицей

`features2` — Второй набор функций
M ₂ N матрицей

`ptCloud1` — Первое облако точек
`pointCloud` объект

`ptCloud2` — Второе облако точек
`pointCloud` объект

`Method` — Метод сопоставления
`'Exhaustive'` (значение по умолчанию) | `'Approximate'`

`MatchThreshold` — Соответствие с порогом
0.01 (значение по умолчанию) | скаляр в области значений (`0, 1`]

`RejectRatio` — Пространственный порог отношения
0.95 (значение по умолчанию) | скаляр в области значений (`0,1`)

`indexPairs` — Индексы совпадающих функций
P-by-2 матрица

`scores` — Нормированное Евклидово расстояние между соответствием с функциями
P- вектор-столбец элемента

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.