segmentLidarData
段组织三维数据范围到集群
语法
描述
标签= segmentLidarData (ptCloud,distThreshold)ptCloud到集群。函数分配一个整数集群标签对每个点的点云,并返回集群中的所有点的标签标签。两个相邻点分成相同的集群如果欧几里得距离小于distThreshold。
标签= segmentLidarData (ptCloud,distThreshold,angleThreshold)angleThreshold。
(还返回集群的数量。标签,numClusters)= segmentLidarData (___)
例子
集群组织合成的激光雷达数据
创建组织合成的激光雷达数据包含两个对象。
异地恋= 0 (5100);异地恋(:,1:50)= 10;异地恋(:,51:结束)= 20;距= linspace(5) -18年,18日;距= repmat(音高”,1100);偏航= linspace (-90、90100);偏航= repmat(偏航、5、1);
笛卡尔坐标转换。
X =异地恋。* cosd(球场)。*信德(偏航);Y =异地恋。* cosd(球场)。* cosd(偏航);Z =异地恋。*信德(沥青);电脑= pointCloud(猫(3,X, Y, Z));图pcshow (pc.Location,“r”)标题(“未聚集的点云”)
设置阈值。
distThreshold = 5;
激光雷达数据。
标签= segmentLidarData (pc, distThreshold);
策划的结果。
图保存在标题(“分段集群”)pc1 =选择(pc,找到(标签= = 1));pcshow (pc1.Location‘g’)pc2 =选择(pc,找到(标签= = 2));pcshow (pc2.Location“y”)
集群组织激光雷达点云
设置PCAP文件阅读器。
veloReader = velodyneFileReader (“lidarData_ConstructionRoad.pcap”,“HDL32E”);
等待0.3秒从一开始的文件,然后读取下一帧的点云。
veloReader。CurrentTime = veloReader。开始时间+秒(0.3);ptCloud = readFrame (veloReader);
段和删除地上飞机。
groundPtsIdx = segmentGroundFromLidarData (ptCloud);ptCloudWithoutGround =选择(ptCloud ~ groundPtsIdx,“OutputSize”,“全部”);
集群剩余的点。是米的距离。
distThreshold = 0.5;[标签,numClusters] = segmentLidarData (ptCloudWithoutGround distThreshold);
添加一个额外的标签为地平面。
numClusters = numClusters + 1;标签(groundPtsIdx) = numClusters;
图标注的结果。显示黑色的地平面。
labelColorIndex =标签+ 1;pcshow (ptCloud.Location labelColorIndex) colormap ([hsv (numClusters);[0 0 0]])标题(“点云集群”)
输入参数
输出参数
引用
[1]Bogoslavskyi,即“高效的在线分割稀疏三维激光扫描。”《摄影测量、遥感和地质信息科学。北京大学出版社85年版,2017页41-52。
