Elaborazione a nuvola di punti
Una nuvola di punti è un insieme di punti di dati nello spazio tridimensionale. L'insieme dei punti rappresenta una forma o un oggetto tridimensionale. Ogni punto dell'insieme di dati è rappresentato da una coordinata geometrica x, y e z. Le nuvole di punti forniscono un mezzo per assemblare un gran numero di singole misurazioni spaziali in un set di dati che può essere rappresentato come un oggetto descrivibile. L'elaborazione a nuvola di punti è utilizzata nella navigazione e nella percezione dei robot, nella stima della profondità, nella visione stereo, nella registrazione visiva e nei sistemi avanzati di assistenza alla guida (ADAS). Gli algoritmi Computer Vision Toolbox™ forniscono funzionalità di elaborazione della nuvola di punti per il sottocampionamento, la riduzione del rumore e la trasformazione delle nuvole di punti. La toolbox offre inoltre la registrazione delle nuvole di punti, l'adattamento della forma geometrica alle nuvole di punti tridimensionali e la possibilità di leggere, scrivere, archiviare, visualizzare e confrontare le nuvole di punti. È possibile combinare più nuvole di punti per ricostruire una scena tridimensionale o costruire una mappa con nuvole di punti registrate, rilevare le chiusure di loop, ottimizzare la mappa per correggere lo scostamento ed eseguire la localizzazione nella mappa precostituita. Per ulteriori dettagli, vedere Implement Point Cloud SLAM in MATLAB.
Per eseguire la registrazione delle nuvole di punti, ossia il processo di allineamento di due o più nuvole di punti su un unico sistema di coordinate, si parte solitamente da una nuvola di punti di riferimento o una nuvola di punti fissa, e poi si allineano ad essa altre nuvole di punti o altre nuvole di punti in movimento. La posa assoluta di una nuvola di punti si riferisce alla sua posizione e orientamento globali rispetto a un quadro di riferimento, spesso noto come quadro di coordinate mondiali. Computer Vision Toolbox fornisce varie tecniche di registrazione per registrare una nuvola di punti in movimento su una nuvola di punti fissa. Queste tecniche comprendono il punto più vicino iterativo (ICP), la trasformata delle distribuzioni normali (NDT), la correlazione di fase e la deriva coerente dei punti (CPD). È inoltre possibile utilizzare l'applicazione Lidar Registration Analyzer (Lidar Toolbox) per registrare in modo interattivo e confrontare i risultati relativi all'utilizzo di diverse tecniche di registrazione, parametri di sincronizzazione e fasi di pre-elaborazione.
Funzioni
Blocchi
Argomenti
- Choose a Point Cloud Viewer
Compare visualization functions.
- Choose SLAM Workflow Based on Sensor Data
Choose the right simultaneous localization and mapping (SLAM) workflow and find topics, examples, and supported features.
- Implement Point Cloud SLAM in MATLAB
Understand point cloud registration and mapping workflow.
- The PLY Format
The Stanford Triangle Format.
- Getting Started with Point Clouds Using Deep Learning
Understand how to use point clouds for deep learning.
- Choose Function to Visualize Detected Objects
Compare visualization functions.
- Labeling, Segmentation, and Detection (Lidar Toolbox)
Label, segment, detect, and track objects in point cloud data using deep learning and geometric algorithms