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