Nokta bulutlarını kullanarak 3B sahneleri ölçün ve analiz edin
Nokta bulutu, her noktanın gerçek dünyadaki bir nesnenin yüzeyindeki bir konumun X-, Y- ve Z-koordinatlarını temsil ettiği ve noktaların toplu olarak tüm yüzeyi eşlediği 3B uzaydaki veri noktaları koleksiyonudur. Nokta bulutları genellikle lidar tarayıcılar, stereo kameralar ve ToF kameraları tarafından üretilir.
Veri türüne bağlı olarak, nokta bulutları iki kategoriye ayrılabilir:
Düzenli nokta bulutları
• Resim verilerinde olduğu gibi satırlar ve sütunlar halinde düzenlenmiş
• Biçim: M x N x C, burada M satır sayısı, N sütun sayısı ve C kanal sayısıdır
• Stereo kameralar ve ToF kameraları gibi sensörler genellikle düzenli nokta bulutları oluşturur
• Bitişik noktalar arasındaki ilişki hakkında bilgi içerir
Düzensiz nokta bulutları
• Satırlara ve sütunlara göre düzenlenmemiş
• Format: MxC, burada M nokta bulutundaki nokta sayısı ve C kanal sayısıdır
• Tipik lidar sensörleri düzensiz nokta bulutları üretir
• Düzensiz bir nokta bulutu, bir küre üzerine yansıtılarak (dönüşüm için MATLAB pcorganize işlevinin kullanılması gibi) düzenli bir nokta bulutuna dönüştürülebilir.
Nokta bulutu işleme, robotik ve otonom sistemlerde algılama ve gezinme için kullanılır. Artırılmış gerçeklik (AR) ve sanal gerçeklik (VR) uygulamalarında da kullanılabilir. MATLAB®, özellikle Lidar Toolbox™ ve Computer Vision Toolbox™ aracılığıyla nokta bulutu işlemeyi destekleyen araçlar ve referans uygulamaları sağlar.
MATLAB ile Ortak İş Akışları ve Görevler
Nokta bulutlarını okuyun, yazın ve yayınlayın
MATLAB, pcd, ply, pcap, las/laz ve ibeo data container gibi popüler dosya formatları için okuyucular sağlar. Ayrıca Velodyne ve Ouster lidar sensörlerinden canlı lidar verilerini de aktarabilirsiniz.
Sentetik lidar verileri oluşturun.
Gerçek lidar sensörlerini taklit eden sentetik lidar verileri oluşturun ve gerçek dünya sistemlerine yerleştirmeden önce iş akışınızı test edin.
Verileri ön işleme
Altörnekleme, medyan filtreleme, dönüştürme, özellikleri çıkarma ve 3B nokta bulutlarını hizalama gibi ön işleme algoritmalarını uygulayın
Lidar kameralarını ayarlayın
Sisteminizde kamera ve lidar arasındaki dönüşümü bulun. Daha sonra bu dönüşümü, lidar verilerini kamera verilerine yansıtmak için kullanabilirsiniz ve bunun tersi de geçerlidir.
Nesne algılama ve anlamsal bölütleme gerçekleştirin
Derin öğrenme algoritmalarını kullanarak nesneleri algılayın veya nokta bulutlarını bölümlere ayırın.
Haritalar oluşturun ve araçları yerelleştirin
Bir dizi nokta bulutu kullanarak kayıt, harita oluşturma ve SLAM gerçekleştirin.
CPU’lara ve GPU’lara dağıtın
Lidar işleme iş akışlarını hedef donanımınıza C/C++ veya CUDA kodları olarak dağıtabilirsiniz.
SqueezeSegV2 kullanılarak nokta bulutlarının semantik segmentasyonu. Organize lidar verileri anlamsal olarak araba (kırmızı), kamyon (mor) ve arka plan (siyah) olarak bölümlere ayrılmıştır.(MATLAB örneğine bakın)
Ayrıntılar için bkz. Lidar Toolbox™ ve Computer Vision Toolbox™.
Örnekler ve Nasıl Yapılır?
- Evreuyumlu Nokta Kayması (CPD) Kullanarak İki Nokta Bulutunu Kaydetme – Örnek
- FPFH Tanımlayıcıları Kullanan Havadan Lidar SLAM – Örnek
- 2-D Lidar Kullanarak Çarpışma Uyarısı – Örnek
- Lidar Verilerini Kullanarak Araçları Takip Edin – Örnek
- İki Görünümden Hareket ile Nesne Oluşturma– Örnek
- CNH, MATLAB ve Simulink ile Ödüllü Akıllı Dolum Sistemini Geliştirdi – Kullanıcı Hikayesi
Ayrıca bakınız: 3B görüntü işleme, afin dönüşüm, dijital görüntü işleme, görüntü analizi, görüntü işleme ve bilgisayarlı görü, görüntü yeniden yapılandırma, görüntü kaydı, görüntü segmentasyonu, görüntü eşikleme, görüntü dönüşümü, nesne algılama, RANSAC, stereo görüş, SLAM (eşzamanlı yerelleştirme) ve haritalama), Drone haritalama
