基于matlab点云工具箱对点云进行处理二：对点云进行欧式聚类，获得聚类后点云簇的外接矩形

2023-10-09 07:18
文章标签 进行 matlab 处理 聚类 矩形 点云 工具箱 获得 欧式 对点 后点 外接

本文主要是介绍基于matlab点云工具箱对点云进行处理二：对点云进行欧式聚类，获得聚类后点云簇的外接矩形，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

基于matlab点云工具箱对点云进行处理二：对点云进行欧式聚类，获得聚类后点云簇的外接矩形

步骤：

  1. 读取velodyne数据包pcap文件内的点云数据
  2. 使用pcdownsample函数对点云数据进行体素化采样，减少点云数量
  3. 使用find函数对点云进行筛选
  4. 使用pcdnoise去除点云内的噪声
  5. 使用pcsegdist进行欧式聚类
  6. 使用自定义函数getBoundary获得外接矩形，函数具体定义见附件

相关程序点这里https://download.csdn.net/download/rmrgjxeivt/59555459

存在的问题：
大型物体（例如花坛、弯曲的道路护栏等）容易被识别成为一个巨型矩形框。属于严重的错误识别。

基于matlab点云工具箱对点云进行处理一：去除地面，保留剩下的点https://blog.csdn.net/rmrgjxeivt/article/details/121830344
基于matlab点云工具箱对点云进行处理二：对点云进行欧式聚类，获得聚类后点云簇的外接矩形https://blog.csdn.net/rmrgjxeivt/article/details/121830919
基于matlab点云工具箱对点云进行处理三：对点云进行欧式聚类，使用三角剖分处理后获取点云簇的外接凸多边形https://blog.csdn.net/rmrgjxeivt/article/details/121831507
基于matlab点云工具箱对点云进行处理四：对点云进行欧式聚类，并获得包围点云簇的外接凹多边形https://blog.csdn.net/rmrgjxeivt/article/details/121831934
在这里插入图片描述
在这里插入图片描述


% 读取激光的PCAP文件
% 筛选感兴趣区域
% 播放筛选后的点云veloReader = velodyneFileReader('2021-11-23-12-49-43_Velodyne-HDL-32-Data.pcap','VLP32c');%% 设置感兴趣区域vehPara.length = 5.5;
vehPara.width = 2.2;
vehPara.d = 2.3; % 轴距
vehPara.rearOverhang = 1; % 前悬
vehPara.rearOverhang = 1; % 后悬
vehPara.CG2Rear = 1.45; % 质心到后轴insRegion = [-20 50 -10 10 0 2]; % 感兴趣区域[minX maxX minY maxY]
groundRegion = [-1, 0.2]; % 地面区域，z轴方向xLimits = [insRegion(1), insRegion(2)];
yLimits = [insRegion(3), insRegion(4)];
zLimits = [insRegion(5), insRegion(6)]; % 原点在后轴中心，因此此处相对于轮芯高度player = pcplayer(xLimits,yLimits,zLimits);xlabel(player.Axes,'X (m)');
ylabel(player.Axes,'Y (m)');
zlabel(player.Axes,'Z (m)');veloReader.CurrentTime = veloReader.StartTime + seconds(0.3);disp(['frame数量',num2str(veloReader.NumberOfFrames)])pause(2)frameID = 1000;while(hasFrame(veloReader) && player.isOpen() && (veloReader.CurrentTime < veloReader.EndTime))ptCloudObj = readFrame(veloReader,frameID);frameIDticlidarLo = [3.5 0 1.1 0 0 0];% 取出XYZxTemp = ptCloudObj.Location(:,:,2)+lidarLo(1);yTemp = -ptCloudObj.Location(:,:,1)+lidarLo(2);zTemp = ptCloudObj.Location(:,:,3)+lidarLo(3);pc = [xTemp(:) yTemp(:) zTemp(:) single(ptCloudObj.Intensity(:))];% max(pc(:,1))% min(pc(:,1))% max(pc(:,2))% 对地面的点进行范围筛选zMin = groundRegion(1);zMax = groundRegion(2);pcObj = pointCloud(pc(:,1:3));pcObj.Intensity = pc(:,4);pcOutNum = 30000; % 输出的点云数量objPointVeh = zeros(pcOutNum,4,'single');objPointVeh(:,1) = single(insRegion(2));objPointVeh(:,2) = single(insRegion(4));objPointVeh(:,3) = single(insRegion(6));objPointVeh(:,4) = single(0);% tic%% 降低点云密度 coder会报错gridStep = 0.03;pcObj_downSample = pcdownsample(pcObj,'gridAverage',gridStep); % 降低点云密度% maxNumPoints = 6;% pcObj_downSample = pcdownsample(pcObj,'nonuniformGridSample',maxNumPoints);%     percentage = 0.3;%     pcObj_downSample = pcdownsample(pcObj,'random',percentage);%% 筛选感兴趣区域(单位米),并排除车身内部的点云xLimits = [insRegion(1), insRegion(2)];yLimits = [insRegion(3), insRegion(4)];zLimits = [insRegion(5), insRegion(6)]; % 原点在后轴中心，因此此处相对于轮芯高度indices = find((pcObj_downSample.Location(:, 2) >= yLimits(1) ...& pcObj_downSample.Location(:,2) <=  yLimits(2) ...& pcObj_downSample.Location(:,1) >=  xLimits(1) ...& pcObj_downSample.Location(:,1) <=  xLimits(2) ...& pcObj_downSample.Location(:,3) <=  zLimits(2) ...& pcObj_downSample.Location(:,3) >=  zLimits(1) ...& ~(pcObj_downSample.Location(:,1)<(vehPara.length-vehPara.rearOverhang) ...& pcObj_downSample.Location(:,1)>(-vehPara.rearOverhang) ...& pcObj_downSample.Location(:,2)<vehPara.width/2 ...& pcObj_downSample.Location(:,2)>-vehPara.width/2)));% 设置感兴趣的点云区域if ~isempty(indices)pcObj_downSample = select(pcObj_downSample,indices);%% 去除噪声[pcObj_downSample,inlierIndices,~] = pcdenoise(pcObj_downSample);pcID_noNoise = 1:1:pcObj_downSample.Count;if ~isempty(inlierIndices)outlierIndices = [];if ~isempty(outlierIndices) % 非空才输出pcRemainObj = select(pcObj_downSample,pcID_out);elsepcRemainObj = pcObj_downSample;endelsepcRemainObj = pcObj_downSample;endcowPCRemain = size(pcRemainObj.Location)*[1;0];if cowPCRemain>pcOutNumcowPCRemain = pcOutNum;endobjPointVeh(1:cowPCRemain,:) = [pcRemainObj.Location pcRemainObj.Intensity];%         pcRemainObj = pcObj;%         cowPCRemain = size(pcRemainObj.Location)*[1;0];%         objPointVeh(1:cowPCRemain,:) = pcRemainObj.Location;end% end%% 欧式聚类% 最小聚类欧式距离minDist = 0.7;% 执行欧式聚类分割[labels,numClusters] = pcsegdist(pcRemainObj,minDist);% 显示分割结果hsvColorMap = hsv(numClusters);hsvColorMap_H = hsvColorMap(:,1);hsvColorMap_S = hsvColorMap(:,2);hsvColorMap_V = hsvColorMap(:,3);
%     view(player,pcRemainObj.Location,[hsvColorMap_H(labels) hsvColorMap_S(labels) hsvColorMap_V(labels)]);%     pcshow(pcRemainObj.Location,labels);%     colormap(hsv(numClusters));% 遍历所有聚类结果figure(2);%     subplot(2,1,2)clfaxis([insRegion(1) insRegion(2) insRegion(3) insRegion(4)])title('欧式聚类分割');xlabel('X(m)');ylabel('Y(m)');zlabel('Z(m)');hold on;for i = 1:1:numClusterspcClusterObjTemp = select(pcRemainObj,find(labels == i));pbar = getBoundary(pcClusterObjTemp.Location);plot([pbar(:,1); pbar(1,1)],[pbar(:,2); pbar(1,2)],'r')endhold offobjVehPoint = objPointVeh;%%pcObjOut =   pointCloud(objVehPoint(:,1:3));pcObjOut.Intensity = objVehPoint(:,4);frameID = frameID+1;tocview(player,pcObjOut);pause(0.02);end
% end

function [pbar]  =  getBoundary(pcCluster)if length(pcCluster(:,1))>=3ind = convhull(double(pcCluster(:,1)),double(pcCluster(:,2)));pcNum = length(ind);hull = pcCluster(ind,1:2);          %随机点凸包area = inf;for i = 2:pcNump1 = hull(i-1,:);     %凸包上两个点p2 = hull(i,:);k1 = (p1(2)-p2(2))/(p1(1)-p2(1));     %连接两点的直线，作为矩形的一条边b1 = p1(2)-k1*p1(1);d = abs(hull(:,1)*k1-hull(:,2)+b1)/sqrt(k1^2+1);  %所有凸包上的点到k1,b1直线的距离[h, ind] = max(d);                     %得到距离最大的点距离，即为高，同时得到该点坐标b2 = hull(ind,2)-k1*hull(ind,1);      %相对k1,b1直线相对的另一条平行边k1,b2;k2 = -1/k1;                           %以求得的直线的垂线斜率b = hull(:,2)-k2*hull(:,1);           %过凸包所有点构成的k2,b直线系x1 = -(b1-b)/(k1-k2);                 %凸包上所有点在已求得的第一条边的投影y1 = -(-b*k1+b1*k2)/(k1-k2);x2 = -(b2-b)/(k1-k2);                 %凸包上所有点在已求得的第二条边的投影y2 = -(-b*k1+b2*k2)/(k1-k2);[~, indmax1] = max(x1);             %投影在第一条边上x方向最大与最小值[~, indmin1] = min(x1);[~, indmax2] = max(x2);             %投影在第二条边上x方向最大与最小值[~, indmin2] = min(x2);w = sqrt((x1(indmax1)-x1(indmin1))^2+(y1(indmax1)-y1(indmin1))^2);    %矩形的宽if area >= h*w                        %使面积最小area = h*w;pbar = [x1(indmax1) y1(indmax1);  %矩形四个角点x2(indmax2) y2(indmax2);x2(indmin2) y2(indmin2);x1(indmin1) y1(indmin1)];endend% pbar(5,:) = pbar(1,:);
endif length(pcCluster(:,1))==2 % 只含两个点的情况hull = pcCluster(:,1:2);pbar = [pcCluster(1,1) pcCluster(1,2);pcCluster(2,1) pcCluster(2,2);pcCluster(2,1)+0.05 pcCluster(2,2)+0.05;pcCluster(1,1)+0.05 pcCluster(1,2)+0.05;];
endif length(pcCluster(:,1))==1 % 只含一个点的情况hull = pcCluster(:,1:2);pbar = [pcCluster(1,1) pcCluster(1,2);pcCluster(1,1)+0.05 pcCluster(1,2);pcCluster(1,1)+0.05 pcCluster(1,2)+0.05;pcCluster(1,1) pcCluster(1,2)+0.05;];
end% figure(2)
% plot(hull(:,1),hull(:,2),'.');
% hold on;
% plot([pbar(:,1); pbar(1,1)],[pbar(:,2); pbar(1,2)],'r')
% axis equal;
% hold offend

这篇关于基于matlab点云工具箱对点云进行处理二：对点云进行欧式聚类，获得聚类后点云簇的外接矩形的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/171231。

相关文章

C#使用SQLite进行大数据量高效处理的代码示例

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入：从乌龟到猎豹的蜕变分页查询：加载百万数据异步处理：拒绝界面
阅读更多...
Python使用自带的base64库进行base64编码和解码

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意
阅读更多...
Java进行文件格式校验的方案详解

Java进行文件格式校验的方案详解

《Java进行文件格式校验的方案详解》这篇文章主要为大家详细介绍了Java中进行文件格式校验的相关方案,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、背景异常现象原因排查用户的无心之过二、解决方案Magandroidic Number判断主流检测库对比Tika的使用区分zip
阅读更多...
Java使用Curator进行ZooKeeper操作的详细教程

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3
阅读更多...
Springboot处理跨域的实现方式(附Demo)

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》：本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.
阅读更多...
python+opencv处理颜色之将目标颜色转换实例代码

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,：本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV： 关于颜色总是要转HSV的掩膜再标注总结 目标：将红色的部分滤
阅读更多...
基于Flask框架添加多个AI模型的API并进行交互

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》：本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应
阅读更多...
Python实现自动化接收与处理手机验证码

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.
阅读更多...
Python使用date模块进行日期处理的终极指南

Python使用date模块进行日期处理的终极指南

《Python使用date模块进行日期处理的终极指南》在处理与时间相关的数据时,Python的date模块是开发者最趁手的工具之一,本文将用通俗的语言,结合真实案例,带您掌握date模块的六大核心功能... 目录引言一、date模块的核心功能1.1 日期表示1.2 日期计算1.3 日期比较二、六大常用方法详
阅读更多...
Python使用DrissionPage中ChromiumPage进行自动化网页操作

Python使用DrissionPage中ChromiumPage进行自动化网页操作

《Python使用DrissionPage中ChromiumPage进行自动化网页操作》DrissionPage作为一款轻量级且功能强大的浏览器自动化库,为开发者提供了丰富的功能支持,本文将使用Dri... 目录前言一、ChromiumPage基础操作1.初始化Drission 和 ChromiumPage
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2