主要内容

findNearestNeighbors

在点云中找到点最近的邻居

折叠所有页面

语法

[索引，距离]=FindNearestNeights（ptCloud，point，K）
[索引，距离]=FindNearestNeights（ptCloud，point，K，camMatrix）
[索引，距离]=FindNearest邻居(___、名称、值)

描述

实例

[指数,区]=找到最近的邻居(云彩,点,K)返回指数查找输入点云中查询点的k近邻。云彩可以是无组织的或有组织的点云。使用基于Kd树的搜索算法计算查询点的K近邻。

实例

[指数,区]=找到最近的邻居(云彩,点,K,camMatrix)返回输入点云中查询点的K近邻。输入点云是由深度摄影机生成的有组织点云。使用快速近似K近邻搜索算法确定查询点的K近邻。

该函数使用摄影机投影矩阵camMatrix了解相邻点之间的关系，从而加快最近邻搜索。然而，与基于kd树的方法相比，结果的准确性较低。

笔记

  • 此语法仅支持RGB-D传感器生成的金宝app有组织点云数据。

  • 您可以使用估计摄影机矩阵估计给定点云数据的相机投影矩阵。

[指数,区]=找到最近的邻居(___,名称、值)除了前面语法中的输入参数外，指定使用一个或多个名称值参数的选项。

例子

全部折叠

打开生活的脚本

将一组三维坐标点加载到工作区中。

装载(“xyzPoints.mat”)；

创建点云对象。

ptCloud = pointCloud (xyzPoints);

指定要识别的查询点和最近邻居的数量。

点= (0,0,0);K = 220;

得到K个最近邻点的指数和距离。

[索引，距离]=FindNearestNeights（ptCloud，point，K）；

显示点云。绘制查询点和它们最近的邻居。

图pcshow（云端）保持在图3（点（1）、点（2）、点（3），“*r”)图3（ptCloud.Location（索引1）、ptCloud.Location（索引2）、ptCloud.Location（索引3），‘*’)传奇(“点云”,“查询点”,“最近的邻居的,“位置”,“南外”,“颜色”，[1 1 1])保持从

图中包含一个坐标轴。坐标轴包含三个散点，直线。这些对象代表点云，查询点，最近的邻居。

打开生活的脚本

使用摄像机投影矩阵在组织的点云数据中查找查询点的K近邻，从采样的点云数据点及其对应的图像点坐标计算摄像机投影矩阵。

将组织好的点云数据加载到工作区。点云是使用Kinect深度传感器生成的。

ld=负载(“object3d.mat”)；ptCloud=ld.ptCloud；

指定采样点云数据的步长。

stepSize = 100;

对输入点云进行采样，并将采样的三维点坐标存储为点云对象。

索引=1：步长：ptCloud.Count；temptcloud=select（ptCloud，索引）；

从采样点云中删除无效点。

[tempPtCloud, validIndices] = removeInvalidPoints (tempPtCloud);

定义输入点云的三维世界点坐标。

worldPoints=temptcloud.Location；

求输入点云的三维点坐标对应的二维图像坐标。

[Y、X] = ind2sub([大小(ptCloud.Location, 1),大小(ptCloud.Location, 2)),指数);imagePoints = [X(validIndices)' Y(validIndices)'];

根据图像和世界点坐标估计摄像机投影矩阵。

camMatrix=估计CameraMatrix（图像点、世界点）；

指定要识别的查询点和最近邻居的数量。

Point = [0.4 0.3 0.2];K = 20;

利用摄像机投影矩阵求K个最近邻点的指标和距离。使用点云方法选择获取最近邻的点云数据。

[索引，距离]=FindNearestNeights（ptCloud，point，K，camMatrix）；ptCloudB=选择（ptCloud，索引）；

显示点云和查询点的最近邻居。

图pcshow（云端）保持在pcshow (ptCloudB。的位置,“ob”)传奇(“点云”,“最近的邻居的,“位置”,“南外”,“颜色”，[1 1 1])保持从

图中包含一个轴。轴包含两个散射类型的对象。这些对象表示点云、最近邻。

输入参数

全部折叠

点云，指定为pointCloud对象。

笔记

该功能支持仅由RGB-D传金宝app感器生成的有组织点云数据。

查询点，指定为表单的三元素向量[x,Y,Z].

最近的邻居数，指定为正整数。

相机投影矩阵，指定为一个4乘3的矩阵，它将3-D世界点映射到2-D图像点。你可以计算camMatrix通过使用估计摄影机矩阵作用

名称-值对的观点

指定可选的逗号分隔的字符对名称、值参数。名称是参数名和价值为对应值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家.

例子:findNearestNeighbors (ptCloud点k“排序”,真的)

排序索引，指定为逗号分隔的对“排序”和一个逻辑标量。当您设置排序到真正的，返回的索引根据到查询点的距离升序排序。要关闭排序，请设置排序到错误的.

要检查的叶节点数目，指定为逗号分隔的对，包括“MaxLeafChecks”和一个整数。当您将此值设置为正，则搜索整个树。当搜索整个树时，它会生成精确的搜索结果。增加用于检查的叶节点数量可以提高准确性，但会降低效率。

笔记

名称-值参数“MaxLeafChecks”仅对基于kd树的搜索方法有效。

输出参数

全部折叠

存储点的索引，作为列向量返回。向量包含存储在点云中最近邻的K个线性指标。

到查询点的距离，作为列向量返回。向量包含查询点与其最近邻居之间的欧氏距离。

参考文献

[1] Muja，M.和David G.Lowe，“具有自动算法配置的快速近似近邻”。在VISAPP国际计算机视觉理论与应用会议上2009年，第331-340页。

扩展能力

另见

||

介绍了R2015a

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书