激光雷达和点云处理

对三维点云的几何形状进行采样、去噪、变换、可视化、寄存器和拟合

点云通常用于测量物理世界。它们具有机器人导航和感知,深度估计,立体视觉,视觉登记和高级驾驶员辅助系统(ADA)中的应用。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使用迭代最近点(ICP)算法重建三维场景。

您可以使用Pcregistercpd.,pcregistericp, 和Pcregisterndt.将移动的点云登记到固定的点云。这些配准算法分别基于相干点漂移(CPD)算法、迭代最近点(ICP)算法和正态分布变换(NDT)算法。最佳性能需要为数据调整属性。在使用点云配准函数之前,请考虑使用pcdownsample为了降低点云,这提高了注册的准确性和效率。

功能

全部展开

pcbin 空间bin点云点
pcdenoise. 从3-D点云移除噪音
pcdownsample 下面一个3-D点云
Pcnormals. 估计点云的法线
PCMerge. 合并两个三维点云
PCSEGDIST. 基于欧几里得距离将点云分割成簇
segmentLidarData Segment将三维距离数据组织成簇
segmentGroundFromLidarData 从组织好的激光雷达数据中分割地面点
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
findpointsinroi. 在点云中找到感兴趣的区域内的点
removeInvalidPoints 从点云中删除无效点
createPoseGraph 创建构成图
optimizePoses 使用相对姿势约束优化绝对姿势
pcdownsample 下面一个3-D点云
pctransform. 转换3-D点云
pcregistericp 用ICP算法对两个点云进行配准
Pcregistercpd. 用CPD算法对两个点云进行配准
Pcregisterndt. 用NDT算法对两个点云进行配准
rigid3d 3-D刚性几何变换
pcfitcylinder 将圆柱体与三维点云配合
pcfitplane 拟合平面到三维点云
PCFitsphere. 适合球体到3-D点云
Pcnormals. 估计点云的法线
fitPolynomialRANSAC 用RANSAC将多项式拟合到点上
ransac 对有噪声数据拟合模型
Cylindermodel. 对象,用于存储参数化的圆柱体模型
planeModel 用于存储参数化平面模型的对象
sphereModel 用于存储参数化球体模型的对象
pcread 从PLY或PCD文件读取三维点云
PCWRITE. 将3-D点云写入PLY或PCD文件
pcfromkinect 点云Kinect视窗
velodyneFileReader 读取点云数据威达尔PCAP文件
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
PCViewSet. 管理基于点云的视觉径管和SLAM的数据
pointcloud. 用于存储三维点云的对象
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
findpointsinroi. 在点云中找到感兴趣的区域内的点

主题

厚度的格式

斯坦福三角格式

点云配准概述

了解点云注册流程。

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。

特色的例子