主要内容

在点云中匹配并可视化相应的特征

打开生活的脚本

方法来匹配点云之间的对应特征pcmatchfeatures函数并将其可视化pcshowMatchedFeatures函数。

创建一个velodyneFileReader对象。

veloReader = velodyneFileReader (“lidarData_ConstructionRoad.pcap”，“HDL32E”）;

读两点云从velodyneFileReader对象。readFrame方法。

frameNumber = 1;skipFrame = 5;固定= readFrame (veloReader frameNumber);移动= readFrame (veloReader frameNumber + skipFrame);

从固定点云和移动点云中分割并去除地平面。

groundPtsIdxFixed = segmentGroundSMRF(固定);groundPtsIdxMoving = segmentGroundSMRF(移动);~ groundPtsIdxFixed fixedSeg =选择(固定,“OutputSize”，“全部”）;~ groundPtsIdxMoving movingSeg =选择(移动,“OutputSize”，“全部”）;图pcshowpair(movingSeg,fixedSeg) ylim([-50 60]) title(输入点云的）

叠加的输入点云用颜色编码:

  • 品红色的- - - - - -移动的点云

  • 绿色- - - - - -固定的点云

对点云进行下采样以减少计算时间。下采样减少了要处理的点的数量。

fixedDownsampled = pcdownsample (fixedSeg,“gridAverage”, 0.2);movingDownsampled = pcdownsample (movingSeg,“gridAverage”, 0.2);

方法从点云提取特征extractFPFHFeatures函数。函数返回两个点云中的有效索引。选择有效点并创建新的参考点云。

[fixedFeature, fixedValidInds] = extractFPFHFeatures (fixedDownsampled);[movingFeature, movingValidInds] = extractFPFHFeatures (movingDownsampled);fixedValidPts =选择(fixedDownsampled fixedValidInds);movingValidPts =选择(movingDownsampled movingValidInds);

利用提取的特征与参考点云进行特征匹配。

indexPairs = pcmatchfeatures (movingFeature fixedFeature movingValidPts,.．.fixedValidPts);

如果没有相应的点云数据，可以单独使用这两个特征集。的pcmatchfeatures函数利用点云数据估计与潜在特征匹配相关的点之间的空间关系，并基于空间关系阈值拒绝匹配。

只创建每个点云中的点的点云，并与另一个点云中的特征相匹配。

matchedFixedPts =选择(fixedValidPts indexPairs (:, 2));matchedMovingPts =选择(movingValidPts indexPairs (: 1));

可视化匹配。

图pcshowMatchedFeatures (movingSeg fixedSeg、matchedMovingPts matchedFixedPts,.．.“方法”，“蒙太奇”) xlim([-40 210]) ylim([-50 50]) title(“匹配点”）

匹配的特征和点云是彩色编码的，以提高可视化:

  • 品红色的- - - - - -移动的点云

  • 绿色- - - - - -固定的点云

  • 红色圆圈- - - - - -移动点云中的匹配点

  • 蓝色星号- - - - - -定点云中的匹配点

  • 黄色的- - - - - -连接匹配特征的线

Baidu
map