算法可以:
1)从输入点集合中分别提取(识别和跟踪)外部和内部边界;
2)在任何类型的输入点集上工作,
3)从大型和/或密集点集的每个子集中分别提取边界。原始输入点集可以被分割(用户定义如何分割),然后可以从组合的子集边界中提取(内部和外部)边界。这大大降低了大型和/或密集点集的计算成本。
算法应该适用于任何点云数据。唯一的输入参数是dmax,它是输入点云中的最大点到点距离。对于生成的形状(通过shape_gen.)M文件)从给定的样本数据集中,这个值在1.0到1.5像素之间。因此,使用dmax = 1.3像素。
这些算法已经针对大量激光雷达点云数据进行了广泛的测试。例如,对于LIDAR_sample_01_adjusted.txt中的样本数据,第二个参数是0.2(米)。
该算法还能够在单个输入数据集中为多个对象提取多个边界。在这种情况下,两个对象之间的距离应该至少是输入点云中最大点到点距离的2倍。
请参考论文:M. Awrangjeb,“使用点云数据来识别,
“国际遥感杂志,第37卷,第3期,2016年2月,第551-579页;开放存取地点:http://www.tandfonline.com/doi/pdf/10.1080/01431161.2015.1131868
化学式용양식
穆罕默德·阿朗杰布(2022)。点云数据的边界提取(识别和跟踪)(//www.ru-cchi.com/matlabcentral/fileexchange/60690-boundary-extraction-identification-and-tracing-from-point-cloud-data), MATLAB中央文件交换。검색됨.
버전 | 게시됨 | 릴리스정보 | |
---|---|---|---|
1.0 |
|