主要内容

点云处理

预处理、可视化登记,符合几何形状,构建地图,实现大满贯的算法,使用深度学习与三维点云

点云是一组数据点的三维空间。点一起代表一个3 d形状或对象。数据集内的每个点都由一个表示x,y,z几何坐标。点云提供一种组装大量单一空间测量的数据集可以表示成一个可描写的对象。点云处理用于机器人导航和知觉、深度估计,立体视觉,视觉注册,在高级驾驶员辅助系统(ADAS)。计算机视觉算法工具箱™提供点云处理功能将采样,去噪,将点云。工具箱还提供点云登记、几何形状拟合三维点云,并能读,写,云存储、显示、和比较点。你也可以结合多个点云重建三维场景。

您可以使用pcregistericp,pcregisterndt,pcregistercorr,pcregistercpd注册一个移动的点云,一个固定的点云。这些注册算法是基于迭代最近点(ICP)算法,正态分布变换(无损检测)算法,相位相关算法和相干点漂移(CPD)算法,分别。您可以构建一个映射注册点云,检测循环闭包,优化映射到正确的漂移,并执行本地化的预构建地图。更多细节,请参阅在MATLAB中实现点云大满贯

图显示一个点云两个同心点云合并,传感器的角度计算和点云代表一个茶壶

功能

全部展开

pcread 从厚度或PCD文件读取三维点云
pcwrite 写的3 d点云厚度或PCD文件
pcfromkinect 点云的Kinect窗户
velodyneFileReader 读点云数据调速发电机PCAP文件
pcviewset 管理数据基于点云的视觉测程法和大满贯
pointCloud 对象存储三维点云
pcshow 绘制三维点云
pcshowpair 想象两个点云之间的区别
pcplayer 可视化流三维点云数据
showShape 显示图形图像、视频或点云

进行预处理

pcbin 空间本点云点
pcdenoise 将噪声从三维点云
pcdownsample Downsample三维点云
pcnormals 估算点云的法线

找到并删除点

findPointsInROI 找到感兴趣的点在一个区域的点云
findNearestNeighbors 在点云找到最近的邻居的一个点
findNeighborsInRadius 发现邻居的半径内点的点云
removeInvalidPoints 从点云删除无效的点
pcsegdist 基于欧氏距离的点云分割成集群
segmentGroundFromLidarData 从组织的激光雷达数据段地面点
segmentLidarData 段组织三维数据范围到集群
pcbin 空间本点云点

注册点云

pcregistercorr 注册两个点云使用相关联
pcregistericp 注册两个点云使用ICP算法
pcregistercpd 注册两个用CPD算法点云
pcregisterndt 注册两个点云使用无损检测算法

变换的点云

rigid3d 三维刚性几何变换
pctransform 将三维点云

对齐或合并点云

pcalign 一组点云对齐
pccat 连接三维点云的数组
pcmerge 合并两个三维点云

确定候选人循环关闭

findPose 定位一个点云映射内使用正态分布变换(无损检测)算法
scanContextDistance 距离扫描上下文描述符
scanContextDescriptor 从点云提取扫描上下文描述符
scanContextLoopDetector 检测循环闭包使用扫描上下文描述符

优化了

createPoseGraph 创建构成图
optimizePoses 优化使用相对绝对姿势约束

创建本地化的地图

pcmapndt 定位地图基于正态分布变换(无损检测)
pcfitcylinder 适合缸三维点云
pcfitplane 适合飞机三维点云
pcfitsphere 领域适应三维点云
pcnormals 估算点云的法线
fitPolynomialRANSAC 使用RANSAC多项式适合点
ransac 适应嘈杂的数据模型
cylinderModel 参数缸模型
planeModel 对象存储参数平面模型
sphereModel 对象存储参数球体模型

主题