预处理

从三维点云中下采样、过滤、变换、对齐、阻塞、组织和提取特征

激光雷达传感器生成周围环境的三维扫描，作为空间中称为点云．虽然点云是准确和稳健的，这使得它们对机器人和自动驾驶应用非常有用，但原始点云数据很大，包含高密度噪声，分布分散。Lidar Toolbox™包括预处理功能，使您能够更好地存储和使用点云。

激光雷达工具箱包括初步的处理算法，以下采样、过滤、转换、对齐、阻塞、组织和从点云提取特征。这些算法提高了数据的质量和准确性，并可以加速和改进高级工作流的结果。
方法将点云数据划分为小块并进行处理blockedPointCloud函数。
要创建和处理表面网格数据，请使用surfaceMesh对象。Lidar Toolbox包括读取、写入和可视化表面网格的功能。
方法将未组织的点云转换为有组织的格式，对于需要有组织点云的高级工作流，例如对象检测和分割pcorganize函数。有关有组织点云和无组织点云之间区别的更多信息，请参见什么是有组织点云和无组织点云?
Lidar Toolbox包括从点云数据生成表面网格、数字高程模型(DEM)和二维扫描的功能。

控件还可以交互式地可视化、分析和预处理点云数据激光雷达查看器应用程序。

应用程序

可视化和分析激光雷达数据

`blockedPointCloud`	由离散块组成的点云
`blockedPointCloudDatastore`	用于块的数据存储`blockedPointCloud`对象

pcorganize 将三维点云转换为有组织的点云

`extractEigenFeatures`	从点云段提取基于特征值的特征
`extractFPFHFeatures`	从点云中提取快速点特征直方图(FPFH)描述符
`detectISSFeatures`	在点云中检测ISS特征点
`detectLOAMFeatures`	从三维激光雷达数据中检测LOAM特征点
`detectRectangularPlanePoints`	检测点云中指定尺寸的矩形平面
`detectRoadAngles`	在点云中检测道路角度

`pcregisterloam`	利用LOAM算法对两个点云进行配准
`pcregisterfgr`	采用FGR算法对两个点云进行配准

`lidarParameters`	激光雷达传感器参数
`lidarPointAttributes`	用于存储激光雷达点属性的对象

使用球形投影将无组织点云转换为有组织的格式。

打开生活的脚本

处理从机载激光雷达系统接收到的机载激光雷达数据到GeoTIFF文件。导入一个包含航空激光雷达数据的LAZ文件，从该数据创建一个空间引用的数字表面模型(DSM)，将DSM裁剪到感兴趣的区域，并将裁剪后的DSM导出到GeoTIFF文件。

打开生活的脚本