semmentlidardata.
分段将3-D范围数据组织成群集
句法
描述
标签= segmentlidardata（Ptcloud.那Distthreshold.）Ptcloud.成簇。该函数为点云中的每个点分配一个整数集群标签，并返回所有点的集群标签标签．
如果两个相邻点的欧几里得距离小于，则函数将它们归为同一簇Distthreshold.或者传感器与两个相邻点之间的角度至少为5度。
标签= segmentlidardata（Ptcloud.那Distthreshold.那anglethreshold.）anglethreshold.．
[指定每个群集中的最小和最大点数。标签那numClusters) = segmentLidarData (Ptcloud.，'numclusterpoints'，minmaxncp.）
[___) = segmentLidarData (___）也返回集群的数量。
例子
群集组织合成激光雷达数据
创建包含两个对象的有组织的合成乐雷达数据。
LDR =零（5,100）;LDR（：，1:50）= 10;LDR（:,51：结束）= 20;间距= Linspace（-18,18,5）;间距= Repmat（音高'，1,100）;yaw = linspace（-90,90,100）;yaw = repmat（偏航，5,1）;
转换到笛卡尔坐标。
X = ldr .* cosd(俯仰).* sind(偏航);Y = ldr .* cosd(俯仰).* cosd(偏航);Z = ldr .* sind(间距);电脑= pointCloud(猫(3,X, Y, Z));图pcshow(电脑。的位置,'r')标题(“未聚集的点云”）
设置阈值。
Distthreshold = 5;
分割LIDAR数据。
Labels = SegmentLidardata（PC，Distthreshold）;
绘制结果。
图保存在标题(“分段集群”）PC1 =选择（PC，查找（标签== 1））;pcshow（pc1.location，'G') pc2 = select(pc,find(标签== 2));pcshow (pc2。的位置,“y”）
集群组织激光乐队点云
设置PCAP文件阅读器。
Veloreader = Velodynefilereader（“lidarData_ConstructionRoad.pcap”那“HDL32E”）;
从文件开头等待0.3秒，然后从下一个帧读取点云。
veloReader。CurrentTime = veloReader。开始时间+秒(0.3);ptCloud = readFrame (veloReader);
段并取下地面平面。
地下室id = segmentgroundfromlidardata（ptcloud）;ptcloudwithoutground = select（ptcloud，〜partinptsidx，'输出'那“全部”）;
群集剩余点。距离为米。
distThreshold = 0.5;[标签,numClusters] = segmentLidarData (ptCloudWithoutGround distThreshold);
为接地平面添加其他标签。
numclusters = numflusters + 1;标签（地面）= numflusters;
绘制标记的结果。显示黑色的地面平面。
labelColorIndex =标签+ 1;pcshow(ptCloud.Location,labelColorIndex) colormap([hsv(numClusters);[0 0 0]) title('点云簇'）
输入参数
Ptcloud.-点云
pointCloud目的
点云，指定为pointCloud对象。Ptcloud.存储点坐标的有组织的点云m——- - - - - -N3矩阵。这些点必须按照顺序扫描的顺序由俯仰和偏航角度组织起来，这通常是由激光测距仪和激光测距仪获得的Velodynefilereader.．
Distthreshold.-距离门槛
负的标量
世界单位的距离阈值，指定为非负标量。如果它们之间的距离小于距离阈值，则相邻点被分组成相同的群集。要减少输出集群的数量，增加值Distthreshold.．
数据类型：单身的|双
anglethreshold.-角阈值
范围[0,180]内的标量
以度为单位的角度阈值指定为范围的标量[0,180]。要减少输出集群的数量，请降低值anglethreshold.．如果由传感器和点形成的角度大于角度阈值，则该功能组相邻的点进入相同的簇。例如，在该图中，如果由传感器，点A和点B形成的角度大于的角度，则功能将A和B指向相同的群集中anglethreshold.．有关详细信息，请参见算法．
数据类型：单身的|双
minmaxncp.-每个群集中的最小和最大点数
(1正)（默认）|2-element向量
每个聚类中最小和最大的点数，指定为形式为[minPointsmaxPoints］．当你指定minmaxncp.作为一个标量值，该函数不限制每个聚类中的最大点数。函数将标号值赋给0.对于发现在指定范围之外的群集。
输出参数
算法
这semmentlidardata.函数使用距离和角度阈值对相邻点进行聚类。如果两个相邻点的欧几里得距离小于输入，函数将它们分组成同一簇Distthreshold.或者传感器与相邻点之间的角度大于或等于输入anglethreshold.．如果没有指定anglethreshold.，函数将这个角设为5.程度。
例如，假设anglethreshold.被设置为90．因为图中的角度α和β都大于90度的指定阈值，所以功能组点A，B和C进入同一集群。因为角度σ小于90度阈值，所以功能组将d指向单独的簇。每个角度对于聚类的每个角度由来自传感器到传感器的点和线路从相同点到相邻点的线形成
参考文献
Bogoslavskyi, I.《稀疏三维激光扫描的高效在线分割》。摄影测量，遥感与地理信息科学学报．第85卷，第1期，2017年，41-52页。
扩展能力
你也可以从以下列表中选择一个网站:
