TIME 參考價：未上市

查看參配 獲取底價

購置稅優(yōu)惠 經(jīng)銷商報價 車主點評

點云概念

點云與三維圖像的關系 ：三維圖像是一種特殊的信息表達形式，其特征是表達的空間中三個維度的數(shù)據(jù)，表現(xiàn)形式包括：深度圖（以灰度表達物體與相機的距離），幾何模型（由CAD軟件建立），點云模型（所有逆向工程設備都將物體采樣成點云）。和二維圖像相比，三維圖像借助第三個維度的信息，可以實現(xiàn)天然的物體——背景解耦。點云數(shù)據(jù)是最為常見也是最基礎的三維模型。點云模型往往由測量直接得到，每個點對應一個測量點，未經(jīng)過其他處理手段，故包含了最大的信息量。這些信息隱藏在點云中需要以其他提取手段將其萃取出來，提取點云中信息的過程則為三維圖像處理。

點云的概念 ：點云是在同一空間參考系下表達目標空間分布和目標表面特性的海量點集合，在獲取物體表面每個采樣點的空間坐標后，得到的是點的集合，稱之為“點云”（Point Cloud）。

點云的獲取設備 ：RGBD設備是獲取點云的設備，比如PrimeSense公司的PrimeSensor、微軟的Kinect、華碩的XTionPRO。

點云的內(nèi)容 ：根據(jù)激光測量原理得到的點云，包括三維坐標（XYZ）和激光反射強度（Intensity），強度信息與目標的表面材質(zhì)、粗糙度、入射角方向，以及儀器的發(fā)射能量，激光波長有關。

根據(jù)攝影測量原理得到的點云，包括三維坐標（XYZ）和顏色信息（RGB）。

結(jié)合激光測量和攝影測量原理得到點云，包括三維坐標（XYZ）、激光反射強度（Intensity）和顏色信息（RGB）。

點云的屬性 ：空間分辨率、點位精度、表面法向量等。

點云存儲格式 ：*.pts; *.asc ; *.dat; .stl ; [1] .imw；.xyz； .las。LAS格式文件已成為LiDAR數(shù)據(jù)的工業(yè)標準格式，LAS文件按每條掃描線排列方式存放數(shù)據(jù),包括激光點的三維坐標、多次回波信息、強度信息、掃描角度、分類信息、飛行航帶信息、飛行姿態(tài)信息、項目信息、GPS信息、數(shù)據(jù)點顏色信息等。

C–class（所屬類）

F一flight（航線號）

T一TIME（查成交價|參配|優(yōu)惠政策）（GPS時間）

I一intensity（回波強度）

R一return（第幾次回波）

N一number of return（回波次數(shù)）

A一scan angle（掃描角）

RGB一red green blue（RGB顏色值）

點云的數(shù)據(jù)類型 ：

（1）pcl::PointCloudpcl::PointXYZ

PointXYZ 成員：float x，y，z;表示了xyz3D信息，可以通過points[i].data[0]或points[i].x訪問點X的坐標值

（2）pcl::PointCloudpcl::PointXYZI

PointXYZI成員：float x, y, z, intensity; 表示XYZ信息加上強度信息的類型。

（3）pcl::PointCloudpcl::PointXYZRGB

PointXYZRGB 成員：float x,y,z,rgb; 表示XYZ信息加上RGB信息，RGB存儲為一個float。

（4）pcl::PointCloudpcl::PointXYZRGBA

PointXYZRGBA 成員：float x , y, z; uint32_t rgba; 表示XYZ信息加上RGBA信息，RGBA用32bit的int型存儲的。

（5） PointXY 成員：float x,y;簡單的二維x-y點結(jié)構(gòu)

（6）Normal結(jié)構(gòu)體：表示給定點所在樣本曲面上的法線方向，以及對應曲率的測量值，用第四個元素來占位，兼容SSE和高效計算。

點云的處理

點云處理的三個層次 ：Marr將圖像處理分為三個層次，低層次包括圖像強化，濾波，關鍵點/邊緣檢測等基本操作。中層次包括連通域標記（label），圖像分割等操作。高層次包括物體識別，場景分析等操作。工程中的任務往往需要用到多個層次的圖像處理手段。

PCL官網(wǎng)對點云處理方法給出了較為明晰的層次劃分，如圖所示。

此處的common指的是點云數(shù)據(jù)的類型，包括XYZ，XYZC，XYZN，XYZG等很多類型點云，歸根結(jié)底，最重要的信息還是包含在pointpcl::point::xyz中。可以看出，低層次的點云處理主要包括濾波（filters），關鍵點（keypoints）/邊緣檢測。點云的中層次處理則是特征描述（feature），分割（segmention）與分類。高層次處理包括配準（registration），識別（recognition）?？梢姡c云在分割的難易程度上比圖像處理更有優(yōu)勢，準確的分割也為識別打好了基礎。

低層次處理方法:

①濾波方法：雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機采樣一致性濾波。②關鍵點：ISS3D、Harris3D、NARF，SIFT3D

中層次處理方法：

①特征描述：法線和曲率的計算、特征值分析、SHOT、PFH、FPFH、3D Shape Context、Spin Image

②分割與分類：

分割：區(qū)域生長、Ransac線面提取、全局優(yōu)化平面提取

K-Means、Normalize Cut（Context based）

3D Hough Transform(線、面提取)、連通分析

分類：基于點的分類，基于分割的分類，基于深度學習的分類（PointNet，OctNet）

高層次處理方法：

①配準：點云配準分為粗配準（Coarse Registration）和精配準（Fine Registration）兩個階段。

精配準的目的是在粗配準的基礎上讓點云之間的空間位置差別最小化。應用最為廣泛的精配準算法應該是ICP以及ICP的各種變種（穩(wěn)健ICP、point to plane ICP、Point to line ICP、MBICP、GICP、NICP）。

粗配準是指在點云相對位姿完全未知的情況下對點云進行配準，可以為精配準提供良好的初始值。當前較為普遍的點云自動粗配準算法包括基于窮舉搜索的配準算法和基于特征匹配的配準算法。

基于窮舉搜索的配準算法：遍歷整個變換空間以選取使誤差函數(shù)最小化的變換關系或者列舉出使最多點對滿足的變換關系。如RANSAC配準算法、四點一致集配準算法（4-Point Congruent Set, 4PCS）、Super4PCS算法等……

基于特征匹配的配準算法：通過被測物體本身所具備的形態(tài)特性構(gòu)建點云間的匹配對應，然后采用相關算法對變換關系進行估計。如基于點FPFH特征的SAC-IA、FGR等算法、基于點SHOT特征的AO算法以及基于線特征的ICL等…

②SLAM圖優(yōu)化

Ceres（Google的最小二乘優(yōu)化庫，很強大）， g2o、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、NDT

③三維重建

泊松重建、 Delaunay triangulations、表面重建，人體重建，建筑物重建，樹木重建。結(jié)構(gòu)化重建：不是簡單的構(gòu)建一個Mesh網(wǎng)格，而是為場景進行分割，為場景結(jié)構(gòu)賦予語義信息。場景結(jié)構(gòu)有層次之分，在幾何層次就是點線面。實時重建：重建植被或者農(nóng)作物的4D（3D+時間）生長態(tài)勢；人體姿勢識別；表情識別；

④點云數(shù)據(jù)管理：點云壓縮，點云索引（KD、Octree），點云LOD（金字塔），海量點云的渲染fusion360怎么打開點云數(shù)據(jù)

1.在Fusion 360中，打開“文件”菜單，然后點擊“導入”。

2.在彈出的導入窗口中，選擇點云文件的類型，然后點擊“打開”按鈕。

3.在彈出的文件選擇窗口中，選擇要導入的點云文件，然后點擊“打開”按鈕。

4.在彈出的導入設置窗口中，設置點云文件的參數(shù)，然后點擊“確定”按鈕。

5.點云數(shù)據(jù)就會被導入到Fusion 360中，您可以在設計空間中看到點云數(shù)據(jù)的模型。點云數(shù)據(jù)處理的5個步驟

1.點云濾波方法(數(shù)據(jù)預處理): 雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機采樣一致性濾波。 VoxelGrid

2.關鍵點 ISS3D、Harris3D、NARF SIFT3D、

3.特征和特征描述 法線和曲率計算NormalEstimation、特征值分析Eigen-Analysis、EGI PFH、FPFH、3D Shape Context、Spin Image

4.點云匹配 ICP、穩(wěn)健ICP、point to plane ICP、Point to line ICP、MBICP、GICP NDT 3D、Multil-Layer NDT FPCS、KFPCS如何自己做一個點云文件，然后導入catia

第一步先在EXCEL里輸入坐標點

因為EXCEL在做一組數(shù)據(jù)的時候可以進行填充，省去你不必要的鍵盤輸入，另外在必須手工輸入的情況下，在EXCEL里編輯，也是方面核對和保存的。

XYZ值都輸入完以后，存盤，一會再用。

然后找到

catia安裝位置里的

\intel_a\code\command\GSD_PointSplineLoftFromExcel.xls

此文件中間會包含一些語句，你需要把你剛才輸入過的坐標點，

復制粘貼到StartCurve和EndCurve中間，如下圖

StartCurve

內(nèi)容（剛才編輯好的坐標點）

EndCurve

比如有100個坐標點，那么內(nèi)容部分就是100行。

注意，一般GSD_PointSplineLoftFromExcel.xls這個文件里有三組StartCurve和EndCurve

你隨便用一組即可，然后把其他的行刪除掉。

他存有三組的意思是可以同時處理幾批數(shù)據(jù)

回到catia，把文件創(chuàng)建好，把工作光標設定到幾何圖形集，（不能設到實體）

然后回到excel，點工具--宏--宏

選Feuil1.main，點執(zhí)行。彈出對話框，用鍵盤輸入1，2，3任意一個數(shù)（第一是全點，第二樣條線，第三掃描面）

再回到catia，已經(jīng)創(chuàng)建完畢。

如果選的1，那么空間中會出現(xiàn)100個零散的點。

如果選的2，那么這些點會用樣條線貫穿起來

如果把點分開，分別輸入開始的3組StartCurve和EndCurve中間那么出現(xiàn)的就是三條樣條線。也就是說計算方法是：計算機從StartCurve開始，遇到一組坐標就畫一個點，再遇到一組坐標就再畫一個點，一直遇到EndCurve，點就畫完了，然后用樣條線把這些點串連起來，然后再遇到StartCurve，就開始又畫點，遇到EndCurve再結(jié)束，再畫線，這樣就兩條線了。

有幾組StartCurve和EndCurve，就有幾條線

如果選的3，那么會形成掃描面。剛才形成的樣條線，其中兩條作為掃描的兩邊界，另一條是脊線。我個人認為在這里面最好不要直接出掃描面，他有可能控制的不是那么好。還不如自己用一個掃描命令來做，更直觀。怎么用MATLAB對點云數(shù)據(jù)處理

1、meshlab支持的數(shù)據(jù)格式很多，選擇一個簡單的格式進行測試。

2、使用matlab去生成一個txt文檔，其數(shù)據(jù)代表球體的一部分，代碼。

3、運行后將生成所需的文件，其內(nèi)部數(shù)據(jù)所示。

4、接下來是就是將數(shù)據(jù)導入Meshlab，該軟件界面如下圖。通過File-Import Mesh...導入數(shù)據(jù)。

5、選中剛剛用matlab生成的數(shù)據(jù)，點擊Open.

6、對數(shù)據(jù)的格式，文檔中每一行數(shù)據(jù)通過空格分割，因此選中空格。

7、設置完成后將將會看到點云的數(shù)據(jù)，所示。該數(shù)據(jù)和預期的一樣，為球體的一部分。