pcdownsample

对三维点云进行降采样

全页折叠

语法

ptCloudOut = pcdownsample(ptCloudIn,"random",percentage)

ptCloudOut = pcdownsample(ptCloudIn,"gridAverage",gridStep)

ptCloudOut = pcdownsample(ptCloudIn,"gridNearest",gridStep)

ptCloudOut = pcdownsample(ptCloudIn,"nonuniformGridSample",maxNumPoints)

[ptCloudOut,indices] = pcdownsample(___)

___ = pcdownsample(___,Name=Value)

说明

ptCloudOut = pcdownsample(ptCloudIn,"random",percentage) 返回一个经过降采样的点云。若要进行不放回的随机抽样，请使用此语法。percentage 输入指定要返回至输出的输入部分。

ptCloudOut = pcdownsample(ptCloudIn,"gridAverage",gridStep) 使用盒式网格滤波器返回一个下采样后的点云。gridStep 输入指定了一个三维盒子的大小。

示例

ptCloudOut = pcdownsample(ptCloudIn,"gridNearest",gridStep) 通过使用盒式网格滤波器，在每个网格中选取最接近质心的点，从而返回一个下采样后的点云。gridStep 输入指定了一个三维盒子的大小。

ptCloudOut = pcdownsample(ptCloudIn,"nonuniformGridSample",maxNumPoints) 使用非均匀箱形网格滤波器返回一个下采样后的点云。您必须将网格框中的最大点数 maxNumPoints 设置为至少 6。

[ptCloudOut,indices] = pcdownsample(___) 返回降采样点云中包含的各点的线性索引。此语法仅在使用 "random"、"gridNearest" 或 "nonuniformGridSample" 降采样方法时适用。

___ = pcdownsample(___,Name=Value) 支持上述语法中的任何参量组合，且可使用一个或多个名称-值参量指定选项。例如，pcdownsample(PtCloud,"random",percentage,PreserveStructure=true) 能够保留点云的有序结构。

示例

全部折叠

使用盒式网格滤波器对点云进行降采样

打开实时脚本

读取点云数据。

ptCloud = pcread("teapot.ply");

将三维分辨率设置为 (0.1 × 0.1 × 0.1)。

gridStep = 0.1;
ptCloudA = pcdownsample(ptCloud,'gridAverage',gridStep);

对下采样后的数据进行可视化。

figure
pcshow(ptCloudA);

Figure contains an axes object. The axes object contains an object of type scatter.

将点云与使用固定步长进行降采样的数据进行比较。

stepSize = floor(ptCloud.Count/ptCloudA.Count);
indices = 1:stepSize:ptCloud.Count;
ptCloudB = select(ptCloud,indices);

对下采样后的点云进行可视化。

figure
pcshow(ptCloudB);

Figure contains an axes object. The axes object contains an object of type scatter.

从点云中删除冗余点

打开实时脚本

创建一个所有点坐标均相同的点云。

ptCloud = pointCloud(ones(100,3));

将三维分辨率设置为较小的值。

gridStep = 0.01;

输出现在只包含一个唯一的点。

ptCloudOut = pcdownsample(ptCloud,'gridAverage',gridStep)

ptCloudOut = 
  pointCloud with properties:

     Location: [1 1 1]
        Count: 1
      XLimits: [1 1]
      YLimits: [1 1]
      ZLimits: [1 1]
        Color: [0×3 uint8]
       Normal: [0×3 double]
    Intensity: [0×1 double]

在降采样后保持点云的有序结构

打开实时脚本

从已保存的 MAT 文件中加载一个已整理的点云。

ld = load('drivingLidarPoints.mat');
orgPtCloud = ld.ptCloud;

对点云进行降采样。生成的点云保留了有序的结构。其位置属性的大小为 M×N×3。

gridStep = 2;
orgPtCloudOut = pcdownsample(orgPtCloud,'gridNearest',gridStep,PreserveStructure=true)

orgPtCloudOut = 
  pointCloud with properties:

     Location: [32×1083×3 double]
        Count: 34656
      XLimits: [-86.7523 90.5514]
      YLimits: [-85.8353 70.7870]
      ZLimits: [-8.2440 13.9009]
        Color: []
       Normal: []
    Intensity: [32×1083 double]

对下采样后的点云进行可视化。

figure
pcshow(orgPtCloudOut)

Figure contains an axes object. The axes object contains an object of type scatter.

输入参数

全部折叠

`ptCloudIn` — 点云
`pointCloud` 对象

点云，指定为 pointCloud 对象。

`"random"` — 随机降采样法
`"random"`

随机降采样方法，指定为 "random"。与 "gridAverage" 降采样方法相比，"random" 方法效率更高，尤其是在将其应用于点云配准之前时。

`percentage` — 输入占比
非负标量

输入的百分比，指定为取值范围在 [0, 1] 内的非负标量。percentage 输入指定了该函数应返回的输入部分。

`"gridAverage"` — 网格平均降采样法
`"gridAverage"`

网格平均降采样方法，指定为 "gridAverage"。同一体素内的点在输出体素中会被合并为一个点。其颜色和常规属性将据此进行平均计算。与 "random" 下采样方法相比，该方法能更好地保留点云的形状。

该函数计算整个点云的轴对齐边界框。边界框被划分为由 gridStep 指定的大小的体素网格。每个体素内的点通过对其位置、颜色和法线进行求平均值来合并。

`"gridNearest"` — 最近质心下采样法
`"gridNearest"`

“最接近质心”下采样方法，指定为 "gridNearest"。在每个体素中，选取距离质心最近的点。使用 gridNearest 降采样技术，以在降采样后的点云中更精确地呈现颜色、强度和法线数据。

该函数计算整个点云的轴对齐边界框。边界框被划分为由 gridStep 指定的大小的体素网格。

`gridStep` — 网格滤波器的三维框尺寸
数值

网格滤波器的三维盒子尺寸，以值形式指定。当资源不足以构建大型细粒度体素网格时，请增大 gridStep 的尺寸。

数据类型: single | double

`"nonuniformGridSample"` — 非均匀网格采样法
`"nonuniformGridSample"`

非均匀网格采样方法，指定为 "nonuniformGridSample"。使用 "nonuniformGridSample" 算法时，法线是在下采样之前基于原始数据计算的。降采样后的输出保留了更精确的法线。

`maxNumPoints` — 网格框中的最大点数
整数

网格体素中的最大点数，指定为一个大于 6 的整数。该方法从每个体素中随机选取一个点。如果输入点云中未提供法线信息，该方法会自动在 ptCloudOut 输出中填充法线属性。

名称-值参数

全部折叠

将可选参量对组指定为 Name1=Value1,...,NameN=ValueN，其中 Name 是参量名称，Value 是对应的值。名称-值参量必须出现在其他参量之后，但对各个参量对组的顺序没有要求。

如果使用的是 R2021a 之前的版本，请使用逗号分隔每个名称和值，并用引号将 Name 引起来。

示例: PreserveStructure=true 保留了点云的有序结构。

`PreserveStructure` — 保持点云的有序结构
`false` (默认) | `true`

保留点云的有序结构，指定为 true 或 false。该表根据 PreserveStructure 的值描述了点云的结构。

PreserveStructure 该函数返回

`PreserveStructure`	该函数返回
`true`	一个经过组织和降采样的点云。描述点云结构的 Location 属性包含一个 M×N×3 的矩阵。在降采样后的点云中未被选中的点将填充为 `NaN`，且对应的颜色设置为 `[0 0 0]`。要返回一个经过整理的点云，输入必须是经过整理的点云，且下采样方法必须为 `"random"`、`"nonuniformGridSample"` 或 `"gridNearest"`。
`false`	一个未组织、已降采样的点云。描述点云结构的 Location 属性包含一个 M×3 的矩阵。

true

一个经过组织和降采样的点云。

描述点云结构的 Location 属性包含一个 M×N×3 的矩阵。

在降采样后的点云中未被选中的点将填充为 NaN，且对应的颜色设置为 [0 0 0]。

要返回一个经过整理的点云，输入必须是经过整理的点云，且下采样方法必须为 "random"、"nonuniformGridSample" 或 "gridNearest"。

false

一个未组织、已降采样的点云。

描述点云结构的 Location 属性包含一个 M×3 的矩阵。

输出参量

全部折叠

`ptCloudOut` — 降采样点云
`pointCloud` 对象

经过降采样的点云，以 pointCloud 对象的形式返回。

`indices` — 降采样点云中各点的索引
N-元素向量

下采样点云中各点的坐标，以 N 元素向量的形式返回。

参考

[1] Pomerleau, F., F. Colas, R. Siegwart, and S. Magnenat. “Comparing ICP variants on real-world data sets.” Autonomous Robots. Vol. 34, Issue 3, April 2013, pp. 133–148.

扩展功能

全部展开

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

用法说明和限制：

针对非均匀网格采样方法的 GPU 代码生成尚未经过优化。
对于随机下采样方法，GPU Coder™ 使用 NVIDIA^® CUDA^® 随机库 (cuRAND) 来生成随机数。由于 GPU 和 CPU 上的随机数生成器在架构和实现方面存在差异，数值验证结果并不总是完全一致。
GPU 代码生成不支持 PreserveStructure 这种名称-值参量。
GPU 代码生成不支持用于点云下采样的 "gridNearest" 方法。

版本历史记录

在 R2015a 中推出

全部展开

R2025a: 为 `"gridNearest"` 方法生成 C/C++ 代码

该函数现已支持为点云降采样方法 "gridNearest" 生成 C/C++ 代码。

R2024b: 指定 `gridNearest` 降采样方法

使用 gridNearest 降采样方法，该方法会选择距离每个网格质心最近的点。

另请参阅

pcdownsample

语法

说明

示例

使用盒式网格滤波器对点云进行降采样

从点云中删除冗余点

在降采样后保持点云的有序结构

输入参数

ptCloudIn — 点云 pointCloud 对象

"random" — 随机降采样法 "random"

percentage — 输入占比 非负标量

"gridAverage" — 网格平均降采样法 "gridAverage"

"gridNearest" — 最近质心下采样法 "gridNearest"

gridStep — 网格滤波器的三维框尺寸 数值

"nonuniformGridSample" — 非均匀网格采样法 "nonuniformGridSample"

maxNumPoints — 网格框中的最大点数 整数

名称-值参数

PreserveStructure — 保持点云的有序结构 false (默认) | true

输出参量

ptCloudOut — 降采样点云 pointCloud 对象

indices — 降采样点云中各点的索引 N-元素向量

参考

扩展功能

C/C++ 代码生成 使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成 使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

版本历史记录

R2025a: 为 "gridNearest" 方法生成 C/C++ 代码

R2024b: 指定 gridNearest 降采样方法

另请参阅

函数

对象

主题

`ptCloudIn` — 点云
`pointCloud` 对象

`"random"` — 随机降采样法
`"random"`

`percentage` — 输入占比
非负标量

`"gridAverage"` — 网格平均降采样法
`"gridAverage"`

`"gridNearest"` — 最近质心下采样法
`"gridNearest"`

`gridStep` — 网格滤波器的三维框尺寸
数值

`"nonuniformGridSample"` — 非均匀网格采样法
`"nonuniformGridSample"`

`maxNumPoints` — 网格框中的最大点数
整数

`PreserveStructure` — 保持点云的有序结构
`false` (默认) | `true`

`ptCloudOut` — 降采样点云
`pointCloud` 对象

`indices` — 降采样点云中各点的索引
N-元素向量

C/C++ 代码生成
使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

GPU 代码生成
使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

R2025a: 为 `"gridNearest"` 方法生成 C/C++ 代码

R2024b: 指定 `gridNearest` 降采样方法