激光雷达和点云处理

下采样、降噪、变换、可视化、注册和拟合三维点云的几何形状

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pcregistercpd,pcregistericppcregisterndt将移动点云注册为固定点云。这些配准算法分别基于相干点漂移(CPD)算法、迭代最近点(ICP)算法和正态分布变换(NDT)算法。要获得最佳性能,需要调整数据的属性。在使用点云注册功能之前,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

全部展开

pcbin 空间bin点云点
pcdenoise 从3-D点云中去除噪音
pcdownsample 下采样3-d的点云
pcnormals 估计点云的法线
pcmerge 合并两个三维点云
pcsegdist 基于欧氏距离将点云分割成簇
segmentLidarData 分段将3d范围数据组织成簇
segmentGroundFromLidarData 从有组织的激光雷达数据分割地面点
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 在点云中查找感兴趣的区域内的点
removeInvalidPoints 取下点云无效点
createPoseGraph 创建构成图
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 使用ICP算法注册两个点云
pcregistercpd 使用CPD算法注册两个点云
pcregisterndt 使用NDT算法注册两个点云
rigid3d 3-d刚性几何变换
pcfitcylinder 将圆柱体与3-D点云匹配
pcfitplane 将平面与3-D点云匹配
pcfitsphere 合适球体至3-d的点云
pcnormals 估计点云的法线
fitPolynomialRANSAC 用RANSAC拟合多项式到点
ransac 拟合模型对噪声数据
cylinderModel 对象,用于存储参数圆柱体模型
planeModel 对象,用于存储参数化平面模型
sphereModel 对象,用于存储参数球模型
pcread 从PLY或PCD文件读取三维点云
pcwrite 写3 d点云帘布PCD文件
pcfromkinect 点云从Kinect视窗
velodyneFileReader 读取点云数据VelodynePCAP文件
pcshow 积3-d的点云
pcshowpair 可视化两点云之间的差异
pcplayer 可视化流3-d的点云数据
pcviewset 管理基于点云的视觉测程和SLAM数据
点云 用于存储三维点云的对象
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 在点云中查找感兴趣的区域内的点

主题

厚度的格式

斯坦福三角格式

点云配准概述

了解点云注册工作流。

入门点云使用Deep学习

了解如何使用点云进行深度学习。

特色的例子