Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

点群の処理

幾何学的形状の前処理、可視化、レジストレーション、近似、ならびにマップのビルド、SLAM アルゴリズムの実装、3 次元点群を使った深層学習の使用

点群とは、3 次元空間におけるデータ点の集合です。点のまとまりは 3D 形状またはオブジェクトを表します。データ セットの各点は、x、y、z の幾何学的座標で表されます。点群は、多数の単一の空間測定値を、記述可能なオブジェクトとして表現されるデータセットにまとめる手段を提供します。点群処理はロボットの操縦および認識、深度推定、ステレオ ビジョン、視覚レジストレーション、および先進運転者支援システム (ADAS) といった分野で使用されています。Computer Vision Toolbox™ のアルゴリズムは、点群のダウンサンプリング、ノイズ除去、および変換を行うための点群処理機能を提供します。また、このツールボックスには点群のレジストレーション、幾何学的形状の 3 次元点群への近似、点群の読み取り、書き込み、保存、表示、比較を行う機能が備わっています。さらに、複数の点群を組み合わせて 3 次元シーンを再構成することも可能です。

pcregistericppcregisterndtpcregistercorr、および pcregistercpd を使用して、移動点群を固定点群にレジストレーションすることができます。これらのレジストレーション アルゴリズムは、それぞれ反復最近接点 (ICP) アルゴリズム、正規分布変換 (NDT) アルゴリズム、位相相関アルゴリズム、およびコヒーレント点ドリフト (CPD) アルゴリズムに基づいています。レジストレーションされた点群を使用してマップをビルドし、ループ クロージャを検出し、マップを最適化してドリフトを修正し、プリビルド マップで位置推定を実行できます。詳細については、点群のレジストレーションとマッピングの概要を参照してください。

A point cloud of two concentric point clouds combined, a sensor angle computation, and a point cloud representing a teapot

関数

すべて展開する

pcreadPLY ファイルまたは PCD ファイルからの 3 次元点群の読み取り
pcwritePLY ファイルまたは PCD ファイルへの 3 次元点群の書き込み
pcfromkinectKinect for Windows からの点群
velodyneFileReaderRead point cloud data from Velodyne PCAP file
pcviewsetManage data for point cloud based visual odometry and SLAM
pointCloud3 次元点群を格納するオブジェクト
pcshow3 次元点群のプロット
pcshowpairVisualize difference between two point clouds
pcplayerVisualize streaming 3-D point cloud data
showShapeDisplay shapes on image, video, or point cloud

前処理

pcbinSpatially bin point cloud points
pcdenoise3 次元点群からのノイズの除去
pcdownsample3 次元点群のダウンサンプリング
pcnormals点群の法線の推定

点の検索と削除

findPointsInROI点群の関心領域内の点を検出
findNearestNeighbors点群内の点の最近傍を検出
findNeighborsInRadiusFind neighbors within a radius of a point in the point cloud
removeInvalidPointsRemove invalid points from point cloud
pcsegdistユークリッド距離に基づいて点群をクラスターにセグメント化する
segmentGroundFromLidarDataSegment ground points from organized lidar data
segmentLidarDataSegment organized 3-D range data into clusters

点群のレジストレーション

pcregistercorrRegister two point clouds using phase correlation
pcregistericpICP 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
pcregistercpdRegister two point clouds using CPD algorithm
pcregisterndtRegister two point clouds using NDT algorithm

点群の変換

rigid3d3 次元剛体幾何学的変換
pctransform3 次元点群の変換

点群の整列と組み合わせ

pcalignAlign an array point clouds
pccatConcatenate 3-D point cloud array
pcmerge3 次元点群のマージ

ループ クロージャ候補の決定

scanContextDistanceDistance between scan context descriptors
scanContextDescriptorExtract scan context descriptor from point cloud

姿勢の最適化

createPoseGraphCreate pose graph
optimizePosesOptimize absolute poses using relative pose constraints

位置推定マップの作成

pcmapndtLocalization map based on normal distributions transform (NDT)
pcfitcylinder3 次元点群への円柱の近似
pcfitplane3 次元点群への平面の近似
pcfitsphereFit sphere to 3-D point cloud
pcnormals点群の法線の推定
fitPolynomialRANSACFit polynomial to points using RANSAC
ransacノイズを含むデータへのモデルの当てはめ
cylinderModelObject for storing a parametric cylinder model
planeModelObject for storing a parametric plane model
sphereModelObject for storing a parametric sphere model

トピック

PLY 形式

Stanford 三角形式

点群のレジストレーションとマッピングの概要

点群のレジストレーション ワークフローを理解します。

深層学習を使用した点群入門

深層学習に点群を使用する方法を理解します。

検出されたオブジェクトを可視化する関数の選択

可視化関数を比較する。

Labeling, Segmentation, and Detection (Lidar Toolbox)

Label, segment, detect, and track objects in point cloud data using deep learning and geometric algorithms

注目の例