主要内容

点云处理

预处理,可视化,寄存器,适合几何形状,构建地图,实现SLAM算法,并使用3-D点云使用深度学习

点云是三维空间中的一组数据点。点数在一起表示3-D形或物体。数据集中的每个点由一个表示Xy, 和Z.几何坐标。点云提供将大量单个空间测量组装到可以表示为可被描述的对象的数据集中的手段。点云处理用于机器人导航和感知,深度估计,立体声视觉,视觉登记和高级驾驶员辅助系统(ADA)。计算机Vision Toolbox™算法为下采样,去噪和转换点云提供点云处理功能。工具箱还提供点云注册,拟合到3-D点云的几何形状,以及读取,写入,存储,显示和比较点云的能力。您还可以将多个点云组合以重建3-D场景。

您可以使用Pcregistericp.Pcregisterndt.pcregistercorr., 和Pcregistercpd.将移动点云注册到固定点云。这些注册算法基于迭代最接近点(ICP)算法,正常分布变换(NDT)算法,相位关联算法和相干点漂移(CPD)算法。您可以使用注册点云构建地图,检测循环闭合,优化地图以纠正漂移,并在预构建地图中执行本地化。有关更多详细信息,请参阅点云Slam概述

两个同心点云的点云组合,传感器角度计算和代表茶壶的点云

职能

展开全部

p 从PLY或PCD文件中读取3-D点云
PCWRITE. 将3-D点云写入PLY或PCD文件
PCFROMKINCT 点云kinect.为了视窗
Velodynefilereader. 阅读点云数据威达尔PCAP文件
PCViewSet. 管理基于点云的视觉径管和SLAM的数据
pointcloud. 存储3-D点云的对象
pcshow. 绘制3-D点云
pcshowpair. 可视化两个点云之间的差异
PCPlayer. 可视化流3-D点云数据
ShowShape. 显示图像,视频或点云上的形状

预处理

PCBIN. 空间箱点云点
pcdenoise. 从3-D点云中移除噪音
pcdownsample. 下面一个3-D点云
Pcnormals. 估计点云的法线

查找和删除点

findpointsinroi. 在点云中查找一个感兴趣区域内的积分
findnearestneighbors. 查找点云中的最近邻居
Findneighborsinradius. 在点云中找到一个半径内的邻居
删除invalidpoints 从点云中删除无效点
PCSEGDIST. 基于欧几里德距离的分段点云进入群集
segmentgroundfromlidardata. 组织LIDAR数据的分段接地点
semmentlidardata. 分段将3-D范围数据组织成群集

注册点云

pcregistercorr. 使用相位相关注册两个点云
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

变换点云

rigid3d. 3-D刚性几何变换
pctransform. 转换3-D点云

对齐或组合点云

pcalign. 对齐阵列点云
普科特 连接3-D点云阵列
PCMerge. 合并两个3-D点云

确定循环闭合候选者

Scancontextdists 扫描上下文描述符之间的距离
scancontextdescriptor. 从点云中提取扫描上下文描述符

优化姿势

createposepraph.. 创建姿势图
优化 使用相对姿势约束优化绝对姿势

创建本地化地图

pcmapndt. 基于正态分布变换的本地化图(NDT)
pcfitcylinder 适合圆柱至3-D点云
PCFitplane. 适合飞机到3-D点云
PCFitsphere. 适合球体到3-D点云
Pcnormals. 估计点云的法线
fitpolynomialransac. 适合使用Ransac的多项式
ransac. 适合嘈杂的数据模型
Cylindermodel. 用于存储参数筒模型的物体
PlaneModel. 用于存储参数平面模型的对象
Spheremodel. 存储参数范围的对象

话题

帘布层格式

斯坦福三角形格式

点云Slam概述

了解点云注册和映射工作流程。

使用深度学习开始点云开始

了解如何使用点云进行深度学习。

选择功能可视化检测到的对象

比较可视化功能。

标记,分割和检测(LIDAR工具箱)

使用深度学习和几何算法点云数据中的标签,段,检测和跟踪对象

特色例子