文档帮助中心文档
在点云中找到点最近的邻居
[指标,经销]= findNearestNeighbors (ptCloud、点、K)
[指标,经销]= findNearestNeighbors (ptCloud点,K, camMatrix)
[指标,经销]= findNearestNeighbors (___、名称、值)
例子
[指数,经销) = findNearestNeighbors (ptCloud,点,K)返回指数查找输入点云中查询点的k近邻。ptCloud可以是无组织或有组织的点云。采用基于Kd-tree的搜索算法计算查询点的k近邻。
[指数,经销) = findNearestNeighbors (ptCloud,点,K)
指数
经销
ptCloud
点
K
[指数,经销) = findNearestNeighbors (ptCloud,点,K,camMatrix)返回输入点云中查询点的k近邻。输入点云是由深度相机生成的有组织点云。采用快速近似k近邻搜索算法确定查询点的k近邻。
[指数,经销) = findNearestNeighbors (ptCloud,点,K,camMatrix)
camMatrix
该函数使用相机投影矩阵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。
请注意
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estimateCameraMatrix对给定的点云数据估计相机投影矩阵。
estimateCameraMatrix
[指数,经销) = findNearestNeighbors (___,名称,值)除了前面语法中的输入参数外,还使用一个或多个名称-值参数指定选项。
[指数,经销) = findNearestNeighbors (___,名称,值)
名称,值
全部折叠
将一组三维坐标点加载到工作区中。
负载(“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;
求出K个最近邻点的指标和距离。
[指标,经销]= findNearestNeighbors (ptCloud点K);
显示点云。绘制查询点和它们最近的邻居。
图pcshow (ptCloud)在plot3(点(1),(2),(3),“* r”) plot3 (ptCloud.Location(指标,1),ptCloud.Location(指标,2),ptCloud.Location(指标,3),‘*’)传说(“点云”,“查询点”,“最近的邻居的,“位置”,“southoutside”,“颜色”,[1 1 1])保持从
利用相机投影矩阵在有组织的点云数据中找到一个查询点的k近邻。从采样点云数据点及其对应的图像点坐标计算相机投影矩阵。
将有组织的点云数据加载到工作区中。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。
指数= 1:stepSize: ptCloud.Count;tempPtCloud =选择(ptCloud、指标);
从采样点云中去除无效点。
[tempPtCloud, validIndices] = removeInvalidPoints (tempPtCloud);
定义输入点云的三维世界点坐标。
worldPoints = tempPtCloud.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)'];
从图像和世界点坐标估计相机投影矩阵。
camMatrix = estimateCameraMatrix (imagePoints worldPoints);
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。
选择
[指标,经销]= findNearestNeighbors (ptCloud,点K camMatrix);ptCloudB =选择(ptCloud、指标);
显示点云和查询点最近的邻居。
图pcshow (ptCloud)在pcshow (ptCloudB。的位置,“ob”)传说(“点云”,“最近的邻居的,“位置”,“southoutside”,“颜色”,[1 1 1])保持从
pointCloud
点云,指定为pointCloud对象。
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。
[x,y,z]
查询点,指定为三元素向量的形式[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estimateCameraMatrix函数。
指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家.
的名字
价值
Name1, Value1,…,的家
findNearestNeighbors (ptCloud点k“排序”,真的)
排序
假
真正的
排序索引,指定为逗号分隔的对“排序”和一个逻辑标量。当您设置排序来真正的,返回的索引根据到查询点的距离升序排序。要关闭排序,请设置排序来假.
“排序”
MaxLeafChecks
正
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。
“MaxLeafChecks”
名称-值参数“MaxLeafChecks”仅对基于kd树的搜索方法有效。
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。
Muja M.和David G. Lowe。“具有自动算法配置的快速近似最近邻”。在VISAPP国际计算机视觉理论与应用会议上.2009.331 - 340页。
使用注意事项及限制:
对于非主机平台中的代码生成,值“MaxLeafChecks”必须设置为默认值正.如果指定的值不是正时,函数会生成一个警告并自动分配默认值“MaxLeafChecks”.
对于GPU代码生成,camMatrix输入参数被忽略。
对于GPU代码生成,“MaxLeafChecks”名称-值对选项被忽略。
pointCloud|estimateCameraMatrix|cameraMatrix
cameraMatrix
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系