Параметрическая модель кубоида
cuboidModel объектно-ориентированная память параметры параметрической модели кубоида. После того, как вы создаете cuboidModel объект, можно извлечь угловые точки кубоида и точки в кубоиде с помощью объектных функций. Модели кубоида используются, чтобы сохранить выход pcfitcuboid функция. Это - функция подбора кривой формы, которая соответствует кубоиду по облаку точек.
Существует два способа создать cuboidModel объект.
Создайте модель кубоида путем определения параметров кубоида в cuboidModel функция.
Подбирайте модель кубоида по облаку точек с помощью pcfitcuboid функция.
model = cuboidModel(params)params.
model = pcfitcuboid(ptCloudIn)pcfitcuboid функционируйте хранит свойства кубоида в параметрическом объекте модели кубоида, model.
model = pcfitcuboid(ptCloudIn,indices)indices, в облаке точки ввода.
Parameters — Параметры модели кубоидаЭто свойство доступно только для чтения.
Параметры модели кубоида, сохраненные как вектор-строка с девятью элементами из формы [центр x центр y центр z x len y len z len гниль x гниль y гниль z].
Центр x, центр y и центр z задают центр кубоида.
x len, y len и z len задает длину кубоида вдоль x - y - и z - ось, соответственно, прежде чем вращение было применено.
Гниль x, гниль y и гниль z задают углы поворота для кубоида вдоль x - y - и z - ось, соответственно. Эти углы по часовой стрелке положительны при взгляде в прямом направлении их соответствующих осей.
Рисунок показывает, как эти значения определяют положение кубоида.
Эти параметры заданы params входной параметр.
Типы данных: single | double
Center — Центр кубоидаЭто свойство доступно только для чтения.
Центр кубоида, сохраненного как трехэлементный вектор-строка из формы [центр x центр y центр z]. Вектор содержит 3-D координаты центра кубоида в x - y - и z - ось, соответственно.
Это свойство выведено из Parameters свойство.
Типы данных: single | double
Dimensions — Размерности кубоидаЭто свойство доступно только для чтения.
Размерности кубоида, сохраненного как трехэлементный вектор-строка из формы [x len y len z len]. Вектор содержит длину кубоида вдоль x - y - и z - ось, соответственно.
Это свойство выведено из Paramareters свойство.
Типы данных: single | double
Orientation — Ориентация кубоидаЭто свойство доступно только для чтения.
Ориентация кубоида, сохраненного как трехэлементный вектор-строка из формы, [гниль x гниль y гниль z], в градусах. Вектор содержит вращение кубоида вдоль x - y - и z - ось, соответственно.
Это свойство выведено из Paramareters свойство.
Типы данных: single | double
getCornerPoints | Получите угловые точки модели кубоида |
findPointsInsideCuboid | Найдите точки заключенными моделью кубоида |
plot | Постройте модель кубоида |
Обнаружьте кубоид в облаке точек с помощью pcfitcuboid функция. Функция хранит параметры кубоида как cuboidModel объект.
Считайте данные об облаке точек в рабочую область.
ptCloud = pcread('highwayScene.pcd');Ищите облако точек в заданной видимой области (ROI). Создайте облако точек только обнаруженных точек.
roi = [-30 30 -20 30 -8 13]; in = findPointsInROI(ptCloud,roi); ptCloudIn = select(ptCloud,in);
Постройте облако точек обнаруженных точек.
figure pcshow(ptCloudIn.Location) xlabel('X(m)') ylabel('Y(m)') zlabel('Z(m)') title('Detected Points in ROI')
Найдите индексы точек в заданном ROI в облаке точек.
roi = [9.6 13.8 7.9 9.3 -2.5 3]; sampleIndices = findPointsInROI(ptCloudIn,roi);
Соответствуйте кубоиду к выбранному набору точек в облаке точек.
model = pcfitcuboid(ptCloudIn,sampleIndices); figure pcshow(ptCloudIn.Location) xlabel('X(m)') ylabel('Y(m)') zlabel('Z(m)') title('Detect a Cuboid in a Point Cloud')
График кубоид окружает облако точек.
hold on
plot(model)
Отобразите внутренние свойства cuboidModel объект.
model
model =
cuboidModel with properties:
Parameters: [11.4873 8.5997 -1.6138 3.6713 1.3220 1.7576 0 0 0.9999]
Center: [11.4873 8.5997 -1.6138]
Dimensions: [3.6713 1.3220 1.7576]
Orientation: [0 0 0.9999]
Подходящие ограничительные рамки кубоида вокруг кластеров в облаке точек.
Загрузите данные об облаке точек в рабочую область.
data = load('drivingLidarPoints.mat');Задайте и обрежьте видимую область (ROI) от облака точек. Визуализируйте выбранный ROI облака точек.
roi = [-40 40 -6 9 -2 1]; in = findPointsInROI(data.ptCloud,roi); ptCloudIn = select(data.ptCloud,in); hcluster = figure; panel = uipanel('Parent',hcluster,'BackgroundColor',[0 0 0]); ax = axes('Parent',panel,'Color',[0 0 0]); pcshow(ptCloudIn,'MarkerSize',30,'Parent',ax) title('Input Point Cloud')
Сегментируйте наземную плоскость. Визуализируйте сегментированную наземную плоскость.
maxDistance = 0.3; referenceVector = [0 0 1]; [~,inliers,outliers] = pcfitplane(ptCloudIn,maxDistance,referenceVector); ptCloudWithoutGround = select(ptCloudIn,outliers,'OutputSize','full'); hSegment = figure; panel = uipanel('Parent',hSegment,'BackgroundColor',[0 0 0]); ax = axes('Parent',panel,'Color',[0 0 0]); pcshowpair(ptCloudIn,ptCloudWithoutGround,'Parent',ax) legend('Ground Region','Non-Ground Region','TextColor', [1 1 1]) title('Segmented Ground Plane')
Сегментируйте неназемную область облака точек в кластеры. Визуализируйте сегментированное облако точек.
distThreshold = 1; [labels,numClusters] = pcsegdist(ptCloudWithoutGround,distThreshold); labelColorIndex = labels; hCuboid = figure; panel = uipanel('Parent',hCuboid,'BackgroundColor',[0 0 0]); ax = axes('Parent',panel,'Color',[0 0 0]); pcshow(ptCloudIn.Location,labelColorIndex,'Parent',ax) title('Fitting Bounding Boxes') hold on
Подходящая ограничительная рамка в каждом кластере, визуализируемом как оранжевые подсветки.
for i = 1:numClusters idx = find(labels == i); model = pcfitcuboid(ptCloudWithoutGround,idx); plot(model) end
