findNearestNeighbors
在点云找到最近的邻居的一个点
语法
描述
例子
找到再邻居点云
一组三维坐标点加载到工作区。
负载(“xyzPoints.mat”);
创建一个点云对象。
ptCloud = pointCloud (xyzPoints);
指定一个查询点最近的邻居的数量。
点= (0,0,0);K = 220;
得到了指数和K最近的相邻点的距离。
[指标,经销]= findNearestNeighbors (ptCloud点K);
显示点云。图查询点最近的邻居。
图pcshow (ptCloud)在plot3(点(1),(2),(3),“* r”)plot3 (ptCloud.Location(指标,1),ptCloud.Location(指标,2),ptCloud.Location(指标,3),‘*’)传说(“点云”,“查询点”,“最近的邻居的,“位置”,“southoutside”,“颜色”(1 1 1))从
找到再邻居组织点云
再找到邻居组织查询点的点云数据通过使用摄像机投影矩阵。计算摄像机投影矩阵从采样点云数据点及其对应的像点坐标。
一个有组织的点云数据装载到工作区。生成的点云是通过使用Kinect深度传感器。
ld =负载(“object3d.mat”);ptCloud = ld.ptCloud;
指定步长采样点云数据。
stepSize = 100;
样本的输入点云计算和存储三维点坐标作为点云采样对象。
指数= 1:stepSize: ptCloud.Count;tempPtCloud =选择(ptCloud、指标);
删除无效的采样点云的点。
[tempPtCloud, validIndices] = removeInvalidPoints (tempPtCloud);
定义输入点的三维世界坐标点云。
worldPoints = tempPtCloud.Location;
找到相对应的二维图像坐标输入点云的三维点坐标。
[Y、X] = ind2sub([大小(ptCloud.Location, 1),大小(ptCloud.Location, 2)),指数);imagePoints = [X (validIndices) Y (validIndices) ');
估计摄像机投影矩阵的图像点坐标和世界。
camMatrix = estimateCameraMatrix (imagePoints worldPoints);
指定一个查询点最近的邻居的数量。
点= (0.4 0.3 0.2);K = 20;
发现K的指数和距离最近的相邻点通过摄像机投影矩阵。使用点云的方法选择得到的点云数据最近的邻居。
[指标,经销]= findNearestNeighbors (ptCloud,点K camMatrix);ptCloudB =选择(ptCloud、指标);
显示查询的点云和最近的邻居。
图pcshow (ptCloud)在pcshow (ptCloudB.Location“ob”)传说(“点云”,“最近的邻居的,“位置”,“southoutside”,“颜色”(1 1 1))从
输入参数
输出参数
引用
[1]Muja、m和大卫·g·劳。最近的邻居“快速近似算法自动配置”。VISAPP国际会议在计算机视觉理论和应用程序。2009年。331 - 340页。
