포인트 클라우드 처리

기하학적 형상에 대해 전처리, 시각화, 정합, 피팅을 수행, 맵 작성, SLAM 알고리즘 구현, 3차원 포인트 클라우드에 딥러닝 사용

포인트 클라우드는 3차원 공간에 속한 데이터 점들의 집합입니다. 이러한 점들이 합쳐져 3차원 형상이나 객체를 표현합니다. 데이터 집합의 각 점은 x, y, z 기하 좌표로 표현됩니다. 포인트 클라우드는 많은 수의 개개의 공간적 측정값을 설명 가능한 객체로 표현할 수 있는 데이터셋으로 조합하는 수단을 제공합니다. 포인트 클라우드 처리는 로봇 주행과 인식, 깊이 추정, 스테레오 비전, 시각적 정합, 첨단 운전자 보조 시스템(ADAS)에 사용됩니다. Computer Vision Toolbox™ 알고리즘은 다운샘플링, 잡음 제거 및 포인트 클라우드 변환을 위한 포인트 클라우드 처리 기능을 제공합니다. 또한, 포인트 클라우드 정합을 수행하고, 기하학적 형상을 3차원 포인트 클라우드에 피팅하고, 포인트 클라우드를 읽기, 쓰기, 저장, 표시, 비교하는 기능을 제공합니다. 여러 포인트 클라우드를 결합하여 하나의 3차원 장면을 복원하거나, 정합된 포인트 클라우드로 맵을 작성하고, 루프 폐쇄를 검출하고, 맵을 드리프트 보정에 최적화하고, 사전 작성된 맵에서 위치추정을 수행할 수 있습니다. 자세한 내용은 Implement Point Cloud SLAM in MATLAB 항목을 참조하십시오.

둘 이상의 포인트 클라우드를 하나의 좌표계에 정렬하는 과정인 포인트 클라우드 정합을 수행하려면, 일반적으로 한 클라우드를 기준 클라우드나 고정 포인트 클라우드로 지정한 다음, 다른 포인트 클라우드인 이동 포인트 클라우드를 이 클라우드에 맞춰 정렬합니다. 포인트 클라우드의 절대 자세는 흔히 세계 좌표계라고 하는 기준 좌표계를 기준으로 한 전역 위치와 방향을 나타냅니다. Computer Vision Toolbox는 이동 포인트 클라우드를 고정 포인트 클라우드에 정합하는 다양한 정합 기법을 제공합니다. 이러한 기법에는 ICP(Iterative Closest Point), NDT(Normal-Distributions Transform), 위상 상관, CPD(Coherent Point Drift) 등이 있습니다. 또한 라이다 정합 분석기 (Lidar Toolbox) 앱에서는 대화형 방식으로 다양한 정합 기법과 조정 파라미터, 전처리 단계를 사용하여 정합을 수행하고 그 결과를 비교할 수 있습니다.

함수

모두 확장

pcreadPLY 또는 PCD 파일에서 3차원 포인트 클라우드 읽어 들이기
pcwritePLY 또는 PCD 파일에 3차원 포인트 클라우드 쓰기
pcfromdepthConvert depth image to point cloud (R2022b 이후)
pcfromkinectPoint cloud from Kinect for Windows
velodyneFileReaderRead point cloud data from Velodyne PCAP file
pcviewsetManage data for point cloud based visual odometry and SLAM
pointCloud3차원 포인트 클라우드를 저장하기 위한 객체
pcviewerVisualize and inspect large 3-D point cloud (R2023a 이후)
pcshowPlot 3-D point cloud
pcshowpairVisualize difference between two point clouds
pcplayerVisualize streaming 3-D point cloud data
showShapeDisplay shapes on image, video, or point cloud

전처리

pcbinSpatially bin point cloud points
pcdenoise3차원 포인트 클라우드에서 잡음 제거
pcdownsampleDownsample 3-D point cloud
pcnormals포인트 클라우드의 법선 추정

점 찾기 및 제거

findPointsInCylinderFind points within a cylindrical region in a point cloud (R2023a 이후)
findPointsInROIFind points within a region of interest in the point cloud
findNearestNeighborsFind nearest neighbors of query points in point cloud
findNeighborsInRadiusFind neighbors within radius for query points in point cloud
removeInvalidPointsRemove invalid points from point cloud
pcsegdistSegment point cloud into clusters based on Euclidean distance
segmentGroundFromLidarDataSegment ground points from organized lidar data
segmentLidarDataSegment organized 3-D range data into clusters
pcbinSpatially bin point cloud points

포인트 클라우드 정합

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

포인트 클라우드 변환

rigidtform3d3차원 강체 기하 변환 (R2022b 이후)
pctransform3차원 포인트 클라우드 변환

포인트 클라우드 정렬 또는 결합

pcalignAlign array of point clouds
pccatConcatenate 3-D point cloud array
pcmergeMerge two 3-D point clouds

루프 폐쇄 후보 확인

findPoseLocalize point cloud within map using normal distributions transform (NDT) algorithm (R2021a 이후)
scanContextDistanceDistance between scan context descriptors
scanContextDescriptorExtract scan context descriptor from point cloud
scanContextLoopDetectorDetect loop closures using scan context descriptors (R2021b 이후)

자세 최적화

createPoseGraphCreate pose graph
optimizePosesOptimize absolute poses using relative pose constraints

위치추정 맵 만들기

pcmapndtLocalization map based on normal distributions transform (NDT) (R2021a 이후)
pcfitcylinderFit cylinder to 3-D point cloud
pcfitplane3차원 포인트 클라우드에 평면 피팅
pcfitsphere3차원 포인트 클라우드에 구 피팅
pcnormals포인트 클라우드의 법선 추정
fitPolynomialRANSACFit polynomial to points using RANSAC
ransac잡음 있는 데이터에 모델 피팅
cylinderModelParametric cylinder model
planeModel파라미터 평면 모델을 저장하기 위한 객체
sphereModelObject for storing a parametric sphere model

블록

모두 확장

Point Cloud ViewerVisualize streaming point cloud data sequence (R2023a 이후)

도움말 항목

추천 예제

Build a Map from Lidar Data Using SLAM

Build a Map from Lidar Data Using SLAM

Process lidar data to build a map and estimate a vehicle trajectory using simultaneous localization and mapping.

Build a Map from Lidar Data Using SLAM on GPU

Build a Map from Lidar Data Using SLAM on GPU

Perform 3-D simultaneous localization and mapping (SLAM) on an NVIDIA® GPU.

Build a Map from Lidar Data

Build a Map from Lidar Data

Process 3-D lidar sensor data to progressively build a map, with assistance from inertial measurement unit (IMU) readings.

Detect and Track Vehicles Using Lidar Data

Detect and Track Vehicles Using Lidar Data

Track vehicles using measurements from a lidar sensor mounted on top of an ego vehicle.

Train Classification Network to Classify Object in 3-D Point Cloud

Train Classification Network to Classify Object in 3-D Point Cloud

Train a classification network to classify objects in a 3-D point cloud.

3차원 포인트 클라우드 정합 및 이어 붙이기

3차원 포인트 클라우드 정합 및 이어 붙이기

이 예제에서는 ICP(Iterative Closest Point) 알고리즘을 사용해 여러 포인트 클라우드를 결합하여 3차원 장면을 복원하는 방법을 보여줍니다. 그런 다음 포인트 클라우드의 색 정보를 활용하여 장면의 정확도를 높이는 방법을 보여줍니다.

Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment

Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment

Record synthetic sensor data from a 3-D simulation environment, and develop a simultaneous localization and mapping (SLAM) algorithm using the recorded data.

Ground Plane and Obstacle Detection Using Lidar

Ground Plane and Obstacle Detection Using Lidar

Process 3-D lidar data from a sensor mounted on a vehicle by segmenting the ground plane and finding nearby obstacles.