利用特征估计两点云之间的变换

打开实时脚本

这个例子展示了如何估计两个点云之间的刚性变换。在本例中，您使用特征提取和匹配来显著减少估计所需的点数。在使用extractFPFHFeatures函数从点云中提取快速点特征直方图(FPFH)特征，您可以使用pcmatchfeatures函数在提取的特征中搜索匹配项。最后，使用estgeotform3d函数和匹配特征来估计刚性变换。

预处理

通过对输入点云应用刚性变换来创建两个点云。

将点云数据读入工作区。

rng (“默认”ptCld = pcread(“highwayScene.pcd”）;ptCld。数

Ans = 65536

对点云进行下采样以提高计算速度，因为它包含大约65,000个点。

ptCloud = pcdownsample(ptCld,gridAverage=0.2);ptCloud。数

Ans = 24596

创建一个30度旋转和平移5个单位的刚性变换矩阵x- - -y -轴。

rotAngle = 30;Trans = [5 5 0];tform = rigidtform3d([0 0 rotAngle]，trans);

变换输入点云。

ptcloudtform = pctransform(ptCloud,tform);

想象两个点云。

pcshowpair (ptCloud ptCloudTformed)轴在Xlim ([-50 75]) ylim([-40 80])“原始”，“转换”，TextColor=[1 1 0])

图中包含一个轴对象。坐标轴对象包含2个散点类型的对象。这些对象表示原始的、转换的。

特征提取与配准

方法从两个点云中提取特征extractFPFHFeatures函数。

fixedFeature = extractFPFHFeatures(ptCloud);movingFeature = extractFPFHFeatures(ptCloudTformed);

查找匹配特征并显示匹配对的数量。

[matchingPairs,scores] = pcmatchfeatures(fixedFeature,movingFeature，…ptCloud ptCloudTformed方法=“详尽”）;长度(matchingPairs)

Ans = 1814

从点云中选择匹配点。

fixedPts = select(ptCloud,matchingPairs(:，1));matchingPts = select(ptCloudTformed,matchingPairs(:，2));

利用匹配点估计变换矩阵。

estimatedTform = estgeotform3d(fixedPts. 3d)的位置,…matchingPts。的位置,“刚性”）;disp (estimatedTform.A)

0.8660 -0.5000 -0.0003 4.9995 0.5000 0.8660 0.0000 5.0022 0.0002 -0.0002 1.0000 0.0020 000 1.0000

显示定义的变换矩阵。

disp (tform.A)

0.8660 -0.5000 0 5.0000 0.5000 0.8660 0 5.0000 00 1.0000 0000 1.0000

使用估计的转换进行重新转换ptCloudTformed回到最初的点云。

ptCloudTformed = pctransform(ptCloudTformed,invert(estimatedTform));

想象两个点云。

pcshowpair (ptCloud ptCloudTformed)轴在Xlim ([-50 50]) ylim([-40 60]) title(“对齐点云”）

图中包含一个轴对象。标题为Aligned Point Clouds的axis对象包含2个散点类型的对象。