Документация

Введение

Существует два типа облаков точек: организованный и неорганизованный. Они описывают данные об облаке точек, хранимые структурированным способом или произвольным способом, соответственно. organized point cloud напоминает 2D матрицу с ее данными, разделенными на строки и столбцы. Данные разделены согласно пространственным отношениям между точками. В результате размещение памяти организованного облака точек относится к пространственному размещению, представленному xyz - координаты его точек. В отличие от этого unorganized point clouds состоит из единого потока 3-D координат, каждая координата, представляющая одну точку. Можно также дифференцировать эти облака точек на основе формы их данных. Организованными облаками точек является M-by-N-by-3 массивы, с тремя каналами, представляющими x - y - и z - координаты точек. Неорганизованными облаками точек является M-by-3 матрицы, где M является общим количеством точек в облаке точек.

Неорганизованный к организованному преобразованию

Большинство сетей сегментации глубокого обучения, таких как SqueezeSegv1/v2, RangeNet ++, и SalsaNext, процесс только организовал облака точек. Кроме того, организованные облака точек используются на наземной экстракции плоскости и методах обнаружения ключевого пункта. Это делает организованное преобразование облака точек важным шагом предварительной обработки для многих рабочих процессов Lidar Toolbox™.

Можно преобразовать неорганизованные облака точек в организованные облака точек при помощи pcorganize функция. Базовый алгоритм использует сферическую проекцию, чтобы представлять 3-D данные об облаке точек в 2D (организованной) форме. Это требует определенных соответствующих параметров датчика лидара, заданное использование lidarParameters объект, для того, чтобы преобразовать данные.