このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

pcregisterfgr

FGR アルゴリズムを使用した 2 つの点群のレジストレーション

R2022b 以降

構文

tform = pcregisterfgr(moving,fixed,gridSize)

[tform,rmse] = pcregisterfgr(moving,fixed,gridSize)

[___] = pcregisterfgr(___,MaxIterations=numIterations)

説明

関数 tform = pcregisterfgr(moving,fixed,gridSize) は、移動点群から固定点群へのレジストレーションを行う剛体変換を返します。

この関数は、FPFH の特徴に基づく高速グローバル レジストレーション (FGR) アルゴリズムを使用して、点のレジストレーションを行います。

[tform,rmse] = pcregisterfgr(moving,fixed,gridSize) はさらに、配置されたインライア点間のユークリッド距離の平方根平均二乗誤差を返します。

[___] = pcregisterfgr(___,MaxIterations=numIterations) は、前述した構文の引数の任意の組み合わせに加え、FGR アルゴリズムの最大反復回数を指定します。

例

FGR アルゴリズムを使用した 2 つの点群の配置

点群データをワークスペースに読み込みます。

ld = load("livingRoom.mat");
fixed = ld.livingRoomData{1};
moving = ld.livingRoomData{2};

レジストレーションの前に、点群データを可視化します。

figure
pcshowpair(moving,fixed,VerticalAxis="Y",VerticalAxisDir="Down") 

FGR レジストレーション アルゴリズムの精度と効率を向上させるために、点群をダウンサンプリングします。

fixedDownsampled = pcdownsample(fixed,gridNearest=0.05);
movingDownsampled = pcdownsample(moving,gridNearest=0.05);

FGR アルゴリズムを使用して、点群のレジストレーションを行います。

gridSize = 0.1;
tform = pcregisterfgr(movingDownsampled,fixedDownsampled,gridSize,MaxIterations=100);

配置を可視化します。

movingRegistered = pctransform(moving,tform);
pcshowpair(movingRegistered,fixed,VerticalAxis="Y",VerticalAxisDir="Down");

点群をマージし、マージ結果を可視化します。

mergeSize = 0.01;
merged = pcmerge(movingRegistered,fixed,mergeSize);
figure(Name = "merged point cloud after Fast Global registration");
pcshow(merged,VerticalAxis="Y",VerticalAxisDir ="Down");

入力引数

moving — 移動点群

pointCloud オブジェクト

移動点群。pointCloud オブジェクトとして指定します。

fixed — 固定点群

pointCloud オブジェクト

固定点群。pointCloud オブジェクトとして指定します。

gridSize — 点群間の対応を検索するためのグリッド サイズ

正のスカラー

点群間の対応を検索するためのグリッド サイズ。正のスカラーとして指定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

numIterations — 最大反復回数

64 (既定値) | 正の整数

FGR アルゴリズムが停止するまでの最大反復回数。正の整数として指定します。

データ型: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

出力引数

tform — 剛体変換

rigidtform3d オブジェクト

剛体変換。rigidtform3d オブジェクトとして返されます。剛体変換は、移動点群から固定点群へのレジストレーションを行います。rigidtform3d オブジェクトは 3 次元剛体変換を表します。FGR アルゴリズムは、移動点群と固定点群の間の剛体変換を推定します。

rmse — 平方根平均二乗誤差

正のスカラー

平方根平均二乗誤差。配置されたインライア点間のユークリッド距離を表す正のスカラーとして返されます。誤差の値が低いほど、レジストレーションがより良好であることを示します。

ヒント

• レジストレーションの精度と効率を向上させるには、pcdownsample 関数を使用して点群をダウンサンプリングしてから、pcregisterfgr 関数を使用します。

• 地上ビークルの点群の場合は、レジストレーションの前に pcfitplane または segmentGroundFromLidarData を使用して地面を削除することで、パフォーマンスと精度を向上できます。この方法の詳細については、LiDAR データからのマップの作成 (Automated Driving Toolbox)の例の helperProcessPointCloud 関数を参照してください。

• 2 つより多くの点群をマージするには、pcmerge 関数の代わりに pccat 関数を使用できます。

アルゴリズム

次の図は、FGR アルゴリズムを使用した点群のレジストレーションのワークフローを示しています。

バージョン履歴

R2022b で導入

参考

関数

• pcregistericp | pcregisterndt | pcregistercpd | pctransform | pcshow | pcdownsample | pcfitplane | pcdenoise | pcmerge

オブジェクト

• pointCloud | rigidtform3d

トピック

• 3 次元点群のレジストレーションと繋ぎ合わせ
• MATLAB での点群 SLAM の実装