【Matlab Computer Vision System ToolBox】学习笔记-2-3D立体图创建 | 视差图 | 3D点云图

来源：互联网发布：剑灵萝莉捏脸数据编辑：程序博客网时间：2024/04/29 13:06

本系列博客将介绍Matlab中机器视觉工具箱的应用，部分案例，主要关于点云处理方面，更多内容见Matlab官方文档。如有翻译错误请批评指正！所有代码经自己运行测试通过。
【Matlab Computer Vision System ToolBox】学习笔记-1-点云配准流程 | 特征匹配
【Matlab Computer Vision System ToolBox】学习笔记-2-3D立体图创建 | 视差图 | 3D点云图
【Matlab Computer Vision System ToolBox】学习笔记-3 -点云配准 | 噪音去除 | 降采样
【Matlab Computer Vision System ToolBox】学习笔记-4 -点云文件PLY格式
英文原版下载地址

1. Create 3-D Stereo Display -创建3D立体图
>> load('webcamsSceneReconstruction.mat');             //导入双目标定的结果文件>> I1=imread('sceneReconstructionLeft.jpg');           //导入左右图像>> I2=imread('sceneReconstructionRight.jpg');>> [J1,J2]=rectifyStereoImages(I1,I2,stereoParams);    //立体矫正>> A=stereoAnaglyph(J1,J2);                            //创建立体图>> figure;>> imshow(A);
2. Reconstruct 3-D Scene from Disparity Map -从视差图中重建3D场景
>> load('webcamsSceneReconstruction.mat');>> I1=imread('sceneReconstructionLeft.jpg');>> I2=imread('sceneReconstructionRight.jpg');>> [J1,J2]=rectifyStereoImages(I1,I2,stereoParams);>> figure;>> imshow(cat(3,J1(:,:,1),J2(:,:,2:3)),'InitialMagnification',50);     //合并矩阵并显示，效果同上stereoAnaglyph
>> disparityMap=disparity(rgb2gray(J1),rgb2gray(J2));        //计算视差>> figure>> imshow(disparityMap,[0,64],'InitialMagnification',50);     //adjust the display range [0,64]
当把上述的 [0,64] 改成 [0,255] 后显示效果如下：

从视差图中计算像素在世界坐标系中的位置，并把距离摄像机3.2米到3.7米的区域分割出来。
>> xyzPoints=reconstructScene(disparityMap,stereoParams);>> Z=xyzPoints(:,:,3);>> mask=repmat(Z>3200 & Z<3700,[1,1,3]); >> J1(~mask)=0;>> imshow(J1,'InitialMagnification',50);
3. Read Point Cloud from a PLY File -读入点云数据
>> ptCloud=pcread('teapot.ply');>> pcshow(ptCloud);
点云是以 ply 结尾的数据格式存储，具体点云数据 ply 见后文。可对点云可视化图进行放大缩小旋转等操作。

同时可将3D点云数据写入 PLY 文件。如果显示没有写入权限，则关闭Matlab，用管理员权限打开。
pcwrite(ptCloud,'teapotOut','PLYFormat','binary');
4. Visualize the Difference Between Two Point Clouds -可视化观察两个点云的区别
>> load('livingRoom');                      //88个点云数组集>> pc1=livingRoomData{1};>> pc2=livingRoomData{2};                   // 取前2组点云>> figure;>> pcshowpair(pc1,pc2,'VerticalAxis','Y','VerticalAxisDir','Down');      //显示点云>> title('Difference Between Tow Point Clouds')>> xlabel('X(m)');>> ylabel('Y(m)');>> zlabel('Z(m)');
5. View Rotating 3-D Point Cloud
>> pcCloud=pcread('teapot.ply');>> x=pi/180;>> R=[cos(x) sin(x) 0 0;-sin(x) cos(x) 0 0;0 0 1 0;0 0 0 1];>> tform=affine3d(R);                                             //定义旋转矩阵和3D平移>> lower=min([pcCloud.XLimits pcCloud.YLimits]);>> upper=max([pcCloud.XLimits pcCloud.YLimits]);>> xlimits=[lower upper];>> ylimits=[lower upper];>> zlimits=pcCloud.ZLimits;                                      //找出xy的最小最大值，防止不被显示>> player=pcplayer(xlimits,ylimits,zlimits);>> xlabel(player.Axes,'X(m)');>> ylabel(player.Axes,'Y(m)');>> zlabel(player.Axes,'Z(m)');>> for i=1:360                                                   //以Z轴旋转ptCloud=pctransform(pcCloud,tform);view(player,pcCloud);end

0 0