点群

点群を使用して 3D シーンを測定および解析する

点群は、3D 空間内のデータ点の集合です。各点は、実世界のオブジェクトの表面における位置の XYZ 座標を表しており、それらの点は表面全体をまとめてマッピングします。

点群は、実際のシーンをキャプチャするために使用され、一般的に Lidar スキャナー、ステレオカメラ、TOF (time-of-flight) カメラによって生成されます。

点群は、データ型に基づいて次の 2 つのカテゴリーに分類できます。

  1. オーガナイズド点群は、通常、ステレオカメラと TOF カメラのセンサーによって生成されます。オーガナイズド点群の形式は M x N x C です。M は行数、N は列数、C はチャネル数を表しています。2D 画像と同様に、このデータ型には、隣接する点間の関係に関する情報が含まれています。
  2. アンオーガナイズド点群の形式は M x C です。M は点の数、C はチャネル数を表しています。LiDAR センサーから得られる生データは、アンオーガナイズド点群として生成されます。

点群処理は、ロボティクスや自動運転のアプリケーションで知覚とナビゲーションに使用されます。また、拡張現実 (AR) や仮想現実 (VR) のアプリケーションにも使用できます。MATLAB® には、特に Lidar Toolbox™ と Computer Vision Toolbox™ を使用して点群処理をサポートするツールやリファレンス アプリケーションが用意されています。

一般的なワークフローとタスクは次のとおりです。

  • 点群の読み取り、書き込み、ストリーミング
  • 前処理: ダウンサンプリング、メディアンフィルター、変換、特徴量の抽出、3D 点群の位置合わせ
  • Lidar - カメラ間のキャリブレーション
  • オブジェクト検出とセマンティック セグメンテーション
  • オブジェクトの追跡
  • レジストレーション、マップ作成、SLAM
  • CPU や GPU への展開
Velodyne センサーからのライブ Lidar データのストリーミング

Velodyne センサーからのライブ Lidar データのストリーミング(MATLAB での実行方法を参照)

SqueezeSegV2 を使用した点群のセマンティック セグメンテーション

SqueezeSegV2 を使用した点群のセマンティック セグメンテーション。オーガナイズド LiDAR データは、セマンティック セグメンテーションが実行され、車 (赤)、トラック (紫)、背景 (黒) に分割されます (MATLAB の例を参照)

詳細については、 Lidar Toolbox™Computer Vision Toolbox™ を参照してください。

参考: 3D image processing, affine transformation, digital image processing, image analysis, image processing and computer vision, image reconstruction, image registration, image segmentation, image thresholding, image transform, object detection, RANSAC, stereo vision, SLAM (simultaneous localization and mapping)

Lidar Toolbox を使用して、Lidar 処理システムの設計、解析、テストを行います。