特征提取

从点云段中提取基于特征值的特征

折叠所有页面

语法

特点= extractEigenFeatures (ptCloud、标签)

特征=提取特征（分段sin）

(特性,segmentsOut) = extractEigenFeatures (___)

[___]=提取特征(___，NormalizeEigenvalues=tf）

描述

实例

特征=提取特征(云彩,标签)利用标签从点云中提取基于特征值的特征，标签，对应于被分割的点云。

基于特征值的特征描述了点云段的几何特征。这些功能可用于同步定位和映射（SLAM）应用程序中，用于目标映射中的环路闭合检测和定位。

特征=提取特征(节蛋白)从点云线段返回基于特征值的要素节蛋白。使用此语法可帮助在点云扫描中选择特定的线段，以进行局部特征提取。

[特征,分节索]=提取特征(___)另外，使用以前语法中的参数的任何组合返回从输入点云提取的段。使用此语法可促进段的可视化。

[___]=提取特征(___，NormalizeEigenvalues=tf）在计算特征之前规范化特征值，具体如下真正的或错误的．集tf到真正的当下一步是使用分类器将语义标签分配给三维点时。设置tf到错误的当下一步是寻找匹配的特征。默认值为错误的．

例子

全部折叠

从归一化特征值计算基于特征值的特征

打开生活的脚本

加载一个有组织的激光雷达点云。

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

分段并删除地平面。

groundPtsIdx=分段groundfromLidardata（ptCloud，“ElevationAngleDelta”，15）；ptCloud=select（ptCloud，~groundPtsIdx，“输出大小”,“全部”）;

将剩余的点数聚在一起，每组最少50点。

distThreshold = 0.5;%以米为单位minPoints = 50;[标签,numClusters] = segmentLidarData (ptCloud distThreshold,“NumClusterPoints”, minPoints);

计算eigenvalue-based特性。

特点= extractEigenFeatures (ptCloud、标签“NormalizeEigenvalues”，对）

特点=17×1物体16x1特征特征数组:特征质心⋮

点云之间基于特征值的特征匹配

打开生活的脚本

创建一个Velodyne PCAP文件读取器。

veloReader=velodyneFileReader(“lidarData_ConstructionRoad.pcap”,“HDL32E”）;

从文件中读取第一次和第四次扫描。

ptCloud1=readFrame（veloReader，1）；ptCloud2=readFrame（veloReader，4）；

从扫描中卸下接地层。

最大距离=1；%以米为单位referenceVector=[01]；[~，~，selectIdx]=pcfitplane（ptCloud1，maxDistance，referenceVector）；ptCloud1=select（ptCloud1，selectIdx，“输出大小”,“全部”); [~，~，selectIdx]=pcfitplane（ptCloud2，maxDistance，referenceVector）；ptCloud2=select（ptCloud2，selectIdx，“输出大小”,“全部”）;

对点云进行聚类，每个聚类至少有10个点。

minDistance = 2;%以米为单位minPoints = 10;labels1 = pcsegdist (ptCloud1 minDistance,“NumClusterPoints”, minPoints);labels2 = pcsegdist (ptCloud2 minDistance,“NumClusterPoints”, minPoints);

从每个点云中提取特征值特征和相应的线段。

[eigFeatures1，segments1]=提取特征（ptCloud1，labels1）；[eigFeatures2，segments2]=提取特征（ptCloud2，labels2）；

创建从每个点云提取的特征矩阵和质心，以进行匹配。

features1 = vertcat (eigFeatures1.Feature);features2 = vertcat (eigFeatures2.Feature);centroids1 = vertcat (eigFeatures1.Centroid);centroids2 = vertcat (eigFeatures2.Centroid);

找到假定的特征匹配。

indexPairs = pcmatchfeatures (features1 features2,...pointCloud (centroids1) pointCloud (centroids2));

获取匹配的片段和特征，以便可视化。

matchedSegments1=段s1（indexPairs（：，1））；matchedSegments2=segments2（indexPairs（：，2））；matchedFeatures1=EIGFeature1（索引（：，1））；matchedFeatures2=eigFeatures2（索引（：，2））；

想象比赛。

图pcshowMatchedFeatures (matchedSegments1 matchedSegments2、matchedFeatures1 matchedFeatures2)标题(“匹配段”)

图中包含一个轴对象。标题匹配线段的轴对象包含5个类型为“散布”、“直线”的对象。

输入参数

全部折叠

`云彩`—点云
`pointCloud`对象

点云，指定为pointCloud对象。

`标签`—集群的标签
M-数值元素向量|M——- - - - - -N数值矩阵

群集标签，指定为M元素向量的数值为无组织的点云或M——- - - - - -N组织点云的数值矩阵。标签对应于分割输入点云的结果。点云中的每个点都有一个簇标签，由中的相应元素指定标签．

你可以使用pcsegdist或者是利达达达函数返回标签。

`节蛋白`—点云的部分
向量的`pointCloud`物体

点云段，指定为的向量pointCloud对象。输入中的每个点云段必须至少有两个点才能进行特征提取。对于只有一个点的输入段，不返回任何特征或段。

输出参数

全部折叠

`特征`-基于特征值的特征
向量的`特征`物体

基于特征值的特征，作为特征向量返回特征对象。从标记点云输入中提取特征时，此向量中的每个元素都包含从相应标记点簇中提取的特征。从分段输入中提取特征时，此向量中的每个元素都包含从分段向量中的相应元素中提取的特征。

`分节索`-从点云提取的线段
向量的`pointCloud`物体

从点云中提取的片段，指定为的向量pointCloud对象。段向量的长度对应于非零的、唯一的标号的数目。

参考文献

[1] Weinmann，M.，B.Jutzi和C.Mallet。“语义3D场景解释：将最佳邻域大小选择与相关特征相结合的框架。”ISPRS摄影测量、遥感和空间信息科学年鉴II-3(2014年8月7日):181-88。https://doi.org/10.5194/isprsannals - ii - 3 - 181 - 2014。