文档

pcfitsphere

领域适应三维点云

描述

例子

模型= pcfitsphere (ptCloudIn,maxDistance)适合一个球体的点云最大允许范围内围层点距离。函数返回一个几何模型,描述了球体。

这个函数使用M-estimator样品一致(MSAC)算法找到球体。MSAC算法随机样本共识的一种变体(RANSAC)算法。

(模型,inlierIndices,outlierIndices)= pcfitsphere (ptCloudIn,maxDistance)此外返回线性指数窗和异常值点的点云输入。

(___,meanError)= pcfitsphere (ptCloudIn,maxDistance)此外返回内围层点的距离的平均误差模型,使用任何前面的语法。

(___)= pcfitsphere (___,名称,值)使用指定的一个或多个额外的选项名称,值对参数。

例子

全部折叠

加载数据文件。

负载(“object3d.mat”);

显示原始点云。

图pcshow (ptCloud)包含(“X (m)”)ylabel (“Y (m)”)zlabel (“Z (m)”)标题(原始点云的)

设置一个最大point-to-sphere球面拟合1厘米的距离。

maxDistance = 0.01;

设置限制搜索的roi。

投资回报率=[无穷,0.5,0.2,0.4,0.1,正);sampleIndices = findPointsInROI (ptCloud roi);

检测领域,全球,从点云提取它。

(模型、inlierIndices) = pcfitsphere (ptCloud maxDistance,“SampleIndices”,sampleIndices);全球=选择(ptCloud inlierIndices);

全球的阴谋。

持有情节(模型)

图pcshow(全球)标题(“全球点云”)

输入参数

全部折叠

点云,指定为一个pointCloud对象。

最大距离范围内围层点,指定为一个标量值。指定距离的单位是一致的点云的单位使用。

数据类型:|

名称-值对的观点

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家

例子:“SampleIndices”,[]

点的线性指标样本的输入点云,指定为逗号分隔两人组成的“SampleIndices和一个列向量。空向量意味着所有点是候选人样本在RANSAC迭代以适应领域。当你指定一个子集,只采样点的子集来适应一个模型。提供的一个子集点可以显著加快这一进程,减少试验的次数。您可以生成指数向量使用findPointsInROI的方法pointCloud对象。

最大数量的随机试验寻找窗,指定为逗号分隔两人组成的MaxNumTrials”,一个正整数。增加这个值使输出更健壮但增加了额外的计算。

信心寻找最大内围层数百分比,指定为逗号分隔两人组成的“信心”和一个数字标量代表比例,在[0100]。增加这个值使输出更健壮但增加了额外的计算。

输出参数

全部折叠

球面上的几何模型,作为一个返回sphereModel对象。

当输入点云不包含足够的有效点,或者当函数不能找到足够的内围层点,输出模型的系数设置为零。

内的线性指数窗点输入点云,作为一个列向量返回。

的线性指标输入点云中的离群点,作为一个列向量返回。

内围层点的距离的平均误差模型,作为标量值返回。

引用

[1]托,p . h . s ., a Zisserman。“MLESAC:一个新的稳健估计与应用程序估计图像几何。”计算机视觉和图像理解。2000年。

扩展功能

介绍了R2015b