激光雷达和点云处理

下采样,去噪,变换,可视化,寄存器,和适合的3-d点云的几何形状

点云,通常用于测量物理世界的表面。他们在机器人导航和感知,深度估计,立体视觉,视觉注册申请,并于高级驾驶员辅助系统(ADAS)。计算机视觉工具箱™算法下采样,去噪和转换点云提供点云处理功能。工具箱也提供了点云登记,几何形状拟合至3-d点云,并且读取的能力,写入,存储,显示,和比较点云。您也可以将多个点云使用迭代最近点(ICP)算法来重建3-d的场景。

您可以使用pcregistercpdpcregistericppcregisterndt注册一个运动点云到固定点云。这些配准算法中,分别将迭代最近点(ICP)算法和正常分布变换(NDT)算法,基于所述相干点漂移(CPD)算法。最佳性能需要为您的数据调整的性质。使用点云登记功能之前,请考虑使用pcdownsample下采样的点云,提高了精度和登记的效率。

功能

展开全部

pcbin 空间斌点云点
pcdenoise 从3-d点云噪声除去
pcdownsample 下采样3-d的点云
pcnormals 估计法线点云
pcmerge 合并两个3 d点云
pcsegdist 段的点云成群集基于欧几里德距离
segmentLidarData 段组织3-d范围内的数据为簇
segmentGroundFromLidarData 从有组织的激光雷达数据段地面点
findNearestNeighbors 查找点云点的最近邻居
findNeighborsInRadius 一个点的点云的半径内找到邻居
findPointsInROI 查找感兴趣的区域内的点的点云
removeInvalidPoints 取下点云无效点
createPoseGraph 创建姿态图形
optimizePoses 使用相对位姿约束优化绝对姿势
pcdownsample 下采样3-d的点云
pctransform 变换3-d的点云
pcregistericp 注册使用ICP算法两个点云
pcregistercpd 注册使用CPD算法两个点云
pcregisterndt 注册使用无损检测算法两个点云
rigid3d 3-d刚性几何变换
pcfitcylinder 配合筒至3-d的点云
pcfitplane 拟合平面至3-d的点云
pcfitsphere 合适球体至3-d的点云
pcnormals 估计法线点云
fitPolynomialRANSAC 多项式拟合使用RANSAC点
RANSAC 拟合模型对噪声数据
cylinderModel 对象,用于存储一个参数气缸模型
planeModel 对象存储参数的平面模特
sphereModel 对象存储参数球模型
pcread 从帘布PCD文件阅读3 d点云
pcwrite 写3 d点云帘布PCD文件
pcfromkinect 点云从Kinect的对于视窗
velodyneFileReader 从读取点云数据VelodynePCAP文件
pcshow 积3-d的点云
pcshowpair 两个点云之间的可视化差异
pcplayer 可视化流3-d的点云数据
pcviewset 管理点云基于视觉里程和SLAM数据
点云 对象,用于存储3-d的点云
findNearestNeighbors 查找点云点的最近邻居
findNeighborsInRadius 一个点的点云的半径内找到邻居
findPointsInROI 查找感兴趣的区域内的点的点云

主题

该层格式

斯坦福三角格式

点云注册简介

了解点云注册工作流程。

入门点云使用Deep学习

了解如何使用点云深学习。

精选示例