主要内容

pcdownsample

Downsample三维点云

所有的页面崩溃

语法

ptCloudOut = pcdownsample (ptCloudIn,“随机”,比例)
ptCloudOut = pcdownsample (ptCloudIn gridAverage, gridStep)
ptCloudOut = pcdownsample (ptCloudIn nonuniformGridSample, maxNumPoints)

描述

ptCloudOut= pcdownsample (ptCloudIn,“随机”,百分比)返回一个downsampled点云与随机抽样,没有更换。的百分比输入指定的一部分返回的输出。

例子

ptCloudOut= pcdownsample (ptCloudIn,“gridAverage”,gridStep)返回一个downsampled点云网格过滤器使用一个盒子。的gridStep输入指定三维框的大小。

ptCloudOut= pcdownsample (ptCloudIn,“nonuniformGridSample”,maxNumPoints)返回一个使用非均匀网格框过滤器downsampled点云。必须设置点在网格框的最大数量,maxNumPoints,至少6。

例子

全部折叠

打开生活的脚本

读点云。

ptCloud = pcread (“teapot.ply”);

设置三维分辨率(0.1 x 0.1 x 0.1)。

gridStep = 0.1;ptCloudA = pcdownsample (ptCloud,“gridAverage”,gridStep);

可视化downsampled数据。

图;pcshow (ptCloudA);

图包含一个坐标轴对象。坐标轴对象包含一个散射类型的对象。

把点云数据downsampled使用一个固定的步长。

stepSize =地板(ptCloud.Count / ptCloudA.Count);指数= 1:stepSize: ptCloud.Count;ptCloudB =选择(ptCloud、指标);图;pcshow (ptCloudB);

图包含一个坐标轴对象。坐标轴对象包含一个散射类型的对象。

打开生活的脚本

创建一个与所有点共享相同的点云坐标。

ptCloud = pointCloud ((100 3));

三维分辨率设置为一个较小的值。

gridStep = 0.01;

输出现在只包含一个独特的观点。

ptCloudOut = pcdownsample (ptCloud,“gridAverage”gridStep)
ptCloudOut = pointCloud属性:位置:(1 1 1)数:1 XLimits: [1] YLimits: [1] ZLimits:(1)颜色:[0 x3 uint8]正常:[0 x3双]强度:[0 x1双]

输入参数

全部折叠

点云,指定为一个pointCloud对象。

随机downsample方法,指定为“随机”。的“随机”方法是更有效的比“gridAverage”downsample方法,特别是应用在点云登记。

Downsample点云使用“随机”,“gridAverage”,或“nonuniformGridSample”输入,根据度规你使用的pcregistericp函数注册。

度规 移动PointCloud Downsample方法 固定的点云Downsample方法
“点到点” “随机” “随机”
“gridAverage” “gridAverage”
“pointToPlane” “gridAverage” “gridAverage”
“随机” “nonuniformGridSample”

指定的百分比输入,作为一个积极的标量范围[0,1]。的百分比输入指定的输入函数的一部分返回。

网格平均downsample方法,指定为“gridAverage”。分在同一个盒子合并的单点输出。他们的颜色和相应的正常平均属性。这种方法保留点云的形状比“随机”downsample方法。

函数计算axis-aligned整个点云的边界框。边界框分为网格箱尺寸规定gridStep。点在每个网格框由平均合并他们的位置、颜色、法线。

Downsample点云使用“随机”,“gridAverage”,或“nonuniformGridSample”输入,根据度规你使用的pcregistericp函数注册。

度规 移动PointCloud Downsample方法 固定的点云Downsample方法
“点到点” “随机” “随机”
“gridAverage” “gridAverage”
“pointToPlane” “gridAverage” “gridAverage”
“随机” “nonuniformGridSample”

三维框大小网格过滤器,指定为一个数值。增加的尺寸gridStep当没有足够的资源来构建一个大的细粒度的网格。

数据类型:单|双

非均匀网格采样方法,指定为“nonuniformGridSample”。最好的使用这种方法是应用它作为预处理步骤pcregistericp点云注册函数,当你使用“pointToPlane”指标。当你使用“nonuniformGridSample”上的法线计算算法,将采样前原始数据。downsampled输出保存更准确的法线。

Downsample点云使用“随机”,“gridAverage”,或“nonuniformGridSample”输入,根据度规你使用的pcregistericp函数注册。

度规 移动PointCloud Downsample方法 固定的点云Downsample方法
“点到点” “随机” “随机”
“gridAverage” “gridAverage”
“pointToPlane” “gridAverage” “gridAverage”
“随机” “nonuniformGridSample”

最大数量的点在网格框中,指定为一个整数比6。方法随机选择一个点从每个盒子。如果正常中没有提供输入点云,该方法自动填写正常的财产ptCloudOut输出。

输出参数

全部折叠

Downsampled点云,作为一个返回pointCloud对象。

引用

[1]波默洛,F。,F. Colas, R. Siegwart, and S. Magnenat. “Comparing ICP variants on real-world data sets.”自主机器人。34卷,第三期,2013年4月,第133 - 148页。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

另请参阅

功能

对象

主题

介绍了R2015a

计算机视觉工具箱文档

金宝app

用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书