激光雷达传感器的点云数据在机器人导航和感知、深度估计、立体视觉、视觉配准和高级驾驶员辅助系统(ADAS)中都有应用。激光雷达传感器的原始点云数据在用于这些高级工作流程之前需要进行基本的处理。Lidar Toolbox™提供向下采样、中值滤波、对齐、转换和从点云提取特征的功能。这些初步处理算法可以提高数据的质量和精度,获得有价值的点云信息。这有助于加速高级工作流,并提供更好的结果。
一些高级工作流需要有组织的点云进行处理。控件可以将无组织的点云转换为有组织的点云使用球面投影的无组织到有组织的点云转换工作流。
激光雷达查看器 | 可视化和分析激光雷达数据 |
pcdownsample |
向下采样一个三维点云 |
pcmedian |
中值滤波三维点云数据 |
pcdenoise |
去除三维点云中的噪声 |
pcalign |
对齐阵列点云 |
pccat |
连接三维点云阵列 |
pcnormals |
估计点云的法线 |
pctransform |
变换三维点云 |
pcorganize |
将三维点云转换为有组织的点云 |
lidarParameters |
激光雷达传感器参数 |
pc2dem |
建立点云数据数字高程模型(DEM) |
findNearestNeighbors |
在点云中找到点最近的邻居 |
findNeighborsInRadius |
找出点云中某一点半径内的邻居 |
findPointsInROI |
在点云中寻找感兴趣区域内的点 |
removeInvalidPoints |
从点云中移除无效点 |
extractEigenFeatures |
从点云段中提取基于特征值的特征 |
extractFPFHFeatures |
从点云中提取快速点特征直方图(FPFH)描述符 |
detectRectangularPlanePoints |
检测点云中指定尺寸的矩形平面 |
激光雷达应用的高层概述。
交互式可视化和分析激光雷达数据。
这个例子展示了如何估计两个点云之间的刚性转换。
定义无组织和有组织的点云,以及如何将前者转换为后者。