从激光雷达点云数据传感器应用在机器人导航和知觉、深度估计,立体视觉,视觉注册,在高级驾驶员辅助系统(ADAS)。原始点云数据从激光雷达传感器需要基本的处理之前,利用这些先进的工作流。激光雷达工具箱™提供了将采样功能,中值滤波,调整,转变,从点云提取特征。这些初步处理算法可以提高数据的质量和准确性,并获得有价值的信息关于点云。这可以帮助加速先进的工作流和提供更好的结果。
一些先进的工作流需要组织点云进行处理。您可以转换无组织的点云组织点云的无组织的组织转换使用球面投影点云工作流。
激光雷达查看器 | 可视化和分析激光雷达数据 |
pcdownsample |
Downsample三维点云 |
pcmedian |
中值滤波的3 d点云数据 |
pcdenoise |
将噪声从三维点云 |
pcalign |
一组点云对齐 |
pccat |
连接三维点云的数组 |
pcnormals |
估算点云的法线 |
pctransform |
将三维点云 |
pcorganize |
三维点云转换成有组织的点云 |
lidarParameters |
激光雷达传感器参数 |
pc2dem |
创建数字高程模型(DEM)的点云数据 |
findNearestNeighbors |
在点云找到最近的邻居的一个点 |
findNeighborsInRadius |
发现邻居的半径内点的点云 |
findPointsInROI |
找到感兴趣的点在一个区域的点云 |
removeInvalidPoints |
从点云删除无效的点 |
extractEigenFeatures |
从点云提取eigenvalue-based功能段 |
extractFPFHFeatures |
快速提取特征直方图(FPFH)描述符从点云 |
detectRectangularPlanePoints |
检测矩形平面点云的指定的尺寸 |
激光雷达应用的高级概述。
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变换。
定义组织和组织点云和如何将前者到后者。