SampleConsensusInitialAlignment — это реализация алгоритма начального совмещения, описанного в разделе IV статьи «Fast Point Feature Histograms (FPFH) for 3D Registration» (Rusu и др.). Подробнее...
#include <pcl/registration/ia_ransac.h>
Классы | |
| class | ErrorFunctor |
| class | HuberPenalty |
| class | TruncatedError |
Открытые функции-члены | |
| SampleConsensusInitialAlignment () | |
| Конструктор. Подробнее... |
|
| void | setSourceFeatures (const FeatureCloudConstPtr &features) |
| Передать общий указатель на дескрипторы признаков исходного облака точек. Подробнее... |
|
| FeatureCloudConstPtr const | getSourceFeatures () |
| Получить указатель на признаки исходного облака точек. Подробнее... |
|
| void | setTargetFeatures (const FeatureCloudConstPtr &features) |
| Передать общий указатель на дескрипторы признаков целевого облака точек. Подробнее... |
|
| FeatureCloudConstPtr const | getTargetFeatures () |
| Получить указатель на признаки целевого облака точек. Подробнее... |
|
| void | setMinSampleDistance (float min_sample_distance) |
| Задать минимальные расстояния между выборочными точками. Подробнее... |
|
| float | getMinSampleDistance () |
| Получить минимальные расстояния между выборочными точками, заданные пользователем. Подробнее... |
|
| void | setNumberOfSamples (int nr_samples) |
| Задать количество выборочных точек, используемых на каждой итерации. Подробнее... |
|
| int | getNumberOfSamples () |
| Получить количество выборочных точек, используемых на каждой итерации, заданное пользователем. Подробнее... |
|
| void | setCorrespondenceRandomness (int k) |
| Задать количество соседей, используемых при выборе случайного соответствия признаков. Подробнее... |
|
| int | getCorrespondenceRandomness () |
| Получить количество соседей, используемых при выборе случайного соответствия признаков, заданное пользователем. Подробнее... |
|
| void | setErrorFunction (const ErrorFunctorPtr &error_functor) |
| Задать минимизируемую функцию ошибки. Подробнее... |
|
| ErrorFunctorPtr | getErrorFunction () |
| Получить общий указатель на ErrorFunctor, которую необходимо минимизировать. Подробнее... |
|
 Открытые функции-члены, унаследованные от pcl::Registration< PointSource, PointTarget, Scalar >
| |
| Registration () | |
| Конструктор без параметров. Подробнее... |
|
| ~Registration () override=default | |
| Деструктор. Подробнее... |
|
| void | setTransformationEstimation (const TransformationEstimationPtr &te) |
| Передать указатель на объект оценки преобразования. Подробнее... |
|
| void | setCorrespondenceEstimation (const CorrespondenceEstimationPtr &ce) |
| Передать указатель на объект оценки соответствий. Подробнее... |
|
| virtual void | setInputSource (const PointCloudSourceConstPtr &cloud) |
| Передать указатель на исходные входные данные (например, облако точек, которое требуется совместить с целевым облаком). Подробнее... |
|
| PointCloudSourceConstPtr const | getInputSource () |
| Получить указатель на целевой набор входных данных облака точек. Подробнее... |
|
| virtual void | setInputTarget (const PointCloudTargetConstPtr &cloud) |
| Передать указатель на целевые входные данные (например, облако точек, с которым требуется совместить исходное облако). Подробнее... |
|
| PointCloudTargetConstPtr const | getInputTarget () |
| Получить указатель на целевой набор входных данных облака точек. Подробнее... |
|
| void | setSearchMethodTarget (const KdTreePtr &tree, bool force_no_recompute=false) |
| Передать указатель на объект поиска, используемый для нахождения соответствий в целевом облаке. Подробнее... |
|
| KdTreePtr | getSearchMethodTarget () const |
| Получить указатель на метод поиска, используемый для нахождения соответствий в целевом облаке. Подробнее... |
|
| void | setSearchMethodSource (const KdTreeReciprocalPtr &tree, bool force_no_recompute=false) |
| Передать указатель на объект поиска, используемый для нахождения соответствий в исходном облаке (обычно применяется при поиске взаимных соответствий). Подробнее... |
|
| KdTreeReciprocalPtr | getSearchMethodSource () const |
| Получить указатель на метод поиска, используемый для нахождения соответствий в исходном облаке. Подробнее... |
|
| Matrix4 | getFinalTransformation () |
| Получить итоговую матрицу преобразования, вычисленную методом регистрации. Подробнее... |
|
| Matrix4 | getLastIncrementalTransformation () |
| Получить последнюю инкрементальную матрицу преобразования, вычисленную методом регистрации. Подробнее... |
|
| void | setMaximumIterations (int nr_iterations) |
| Задать максимальное количество итераций внутренней оптимизации. Подробнее... |
|
| int | getMaximumIterations () |
| Получить максимальное количество итераций внутренней оптимизации, заданное пользователем. Подробнее... |
|
| void | setRANSACIterations (int ransac_iterations) |
| Задать количество итераций алгоритма RANSAC. Подробнее... |
|
| double | getRANSACIterations () |
| Получить количество итераций алгоритма RANSAC, заданное пользователем. Подробнее... |
|
| void | setRANSACOutlierRejectionThreshold (double inlier_threshold) |
| Задать порог расстояния для внутреннего цикла отбраковки выбросов RANSAC. Подробнее... |
|
| double | getRANSACOutlierRejectionThreshold () |
| Получить заданный пользователем порог расстояния для внутреннего цикла отбраковки выбросов. Подробнее... |
|
| void | setMaxCorrespondenceDistance (double distance_threshold) |
| Задать максимальное расстояние между соответствующими точками исходного и целевого облаков. Подробнее... |
|
| double | getMaxCorrespondenceDistance () |
| Получить максимальное расстояние между соответствующими точками исходного и целевого облаков. Подробнее... |
|
| void | setTransformationEpsilon (double epsilon) |
| Задать эпсилон преобразования (максимально допустимую разность квадратов перемещений между двумя последовательными преобразованиями), при достижении которого оптимизация считается сошедшейся к итоговому решению. Подробнее... |
|
| double | getTransformationEpsilon () |
| Получить заданный пользователем эпсилон преобразования (максимально допустимую разность квадратов перемещений между двумя последовательными преобразованиями). Подробнее... |
|
| void | setTransformationRotationEpsilon (double epsilon) |
| Задать эпсилон вращения преобразования (максимально допустимую разность углов поворота между двумя последовательными преобразованиями), при достижении которого оптимизация считается сошедшейся к итоговому решению. Подробнее... |
|
| double | getTransformationRotationEpsilon () |
| Получить заданный пользователем эпсилон вращения преобразования (максимально допустимую разность между двумя последовательными преобразованиями; эпсилон — это cos(угла) в представлении ось—угол). Подробнее... |
|
| void | setEuclideanFitnessEpsilon (double epsilon) |
| Задать максимально допустимую евклидову ошибку между двумя последовательными шагами цикла ICP, при достижении которой алгоритм считается сошедшимся. Подробнее... |
|
| double | getEuclideanFitnessEpsilon () |
| Получить заданную пользователем максимально допустимую ошибку расстояния, при достижении которой алгоритм считается сошедшимся. Подробнее... |
|
| void | setPointRepresentation (const PointRepresentationConstPtr &point_representation) |
| Передать общий указатель boost на PointRepresentation, который будет использоваться при сравнении точек. Подробнее... |
|
| bool | registerVisualizationCallback (std::function< UpdateVisualizerCallbackSignature > &visualizerCallback) |
| Зарегистрировать пользовательскую функцию обратного вызова, которая будет вызываться из потока регистрации для обновления облака точек, полученного после каждой итерации. Подробнее... |
|
| double | getFitnessScore (double max_range=std::numeric_limits< double >::max()) |
| Вычислить евклидову оценку качества (например, среднее значение квадратов расстояний от исходных точек до целевых). Подробнее... |
|
| double | getFitnessScore (const std::vector< float > &distances_a, const std::vector< float > &distances_b) |
| Вычислить евклидову оценку качества (например, среднее значение квадратов расстояний от исходных точек до целевых) по двум наборам расстояний между соответствующими точками (расстояний между исходными и целевыми точками). Подробнее... |
|
| bool | hasConverged () const |
| Вернуть состояние сходимости после последнего запуска выравнивания. Подробнее... |
|
| void | align (PointCloudSource &output) |
| Вызвать алгоритм регистрации, который вычисляет преобразование и возвращает преобразованный исходный набор данных (входные данные) в виде output. Подробнее... |
|
| void | align (PointCloudSource &output, const Matrix4 &guess) |
| Вызвать алгоритм регистрации, который вычисляет преобразование и возвращает преобразованный исходный набор данных (входные данные) в виде output. Подробнее... |
|
| const std::string & | getClassName () const |
| Метод абстрактного класса для получения имени. Подробнее... |
|
| bool | initCompute () |
| Инициализация внутренних вычислений. Подробнее... |
|
| bool | initComputeReciprocal () |
| Внутренние вычисления, необходимые для обратного поиска. Подробнее... |
|
| void | addCorrespondenceRejector (const CorrespondenceRejectorPtr &rejector) |
| Добавить в список новый фильтр отбраковки соответствий. Подробнее... |
|
| std::vector< CorrespondenceRejectorPtr > | getCorrespondenceRejectors () |
| Получить список фильтров отбраковки соответствий. Подробнее... |
|
| bool | removeCorrespondenceRejector (unsigned int i) |
| Удалить i-й фильтр отбраковки соответствий из списка. Подробнее... |
|
| void | clearCorrespondenceRejectors () |
| Очистить список фильтров отбраковки соответствий. Подробнее... |
|
|
Публичные функции-члены, унаследованные от pcl::PCLBase< PointSource >
| |
| PCLBase () | |
| Конструктор без параметров. Подробнее... |
|
| PCLBase (const PCLBase &base) | |
| Конструктор копирования. Подробнее... |
|
| virtual | ~PCLBase ()=default |
| Деструктор. Подробнее... |
|
| virtual void | setInputCloud (const PointCloudConstPtr &cloud) |
| Передать указатель на входной набор данных. Подробнее... |
|
| PointCloudConstPtr const | getInputCloud () const |
| Получить указатель на входной набор облака точек. Подробнее... |
|
| virtual void | setIndices (const IndicesPtr &indices) |
| Передать указатель на вектор индексов, представляющий входные данные. Подробнее... |
|
| virtual void | setIndices (const IndicesConstPtr &indices) |
| Передать указатель на вектор индексов, представляющий входные данные. Подробнее... |
|
| virtual void | setIndices (const PointIndicesConstPtr &indices) |
| Передать указатель на вектор индексов, представляющий входные данные. Подробнее... |
|
| virtual void | setIndices (std::size_t row_start, std::size_t col_start, std::size_t nb_rows, std::size_t nb_cols) |
| Задать индексы точек, находящихся в интересующей области облака точек. Подробнее... |
|
| IndicesPtr | getIndices () |
| Получить указатель на используемый вектор индексов. Подробнее... |
|
| IndicesConstPtr const | getIndices () const |
| Получить указатель на используемый вектор индексов. Подробнее... |
|
| const PointSource & | operator[] (std::size_t pos) const |
| Переопределить оператор PointCloud operator[] для сокращения кода. Подробнее... |
|
Защищённые функции-члены | |
| pcl::index_t | getRandomIndex (int n) |
| Выбрать случайный индекс в диапазоне от 0 до n-1. Подробнее... |
|
| void | selectSamples (const PointCloudSource &cloud, unsigned int nr_samples, float min_sample_distance, pcl::Indices &sample_indices) |
| Выбрать из облака nr_samples точек-образцов, обеспечив, чтобы расстояния между каждой парой точек превышали заданное пользователем минимальное расстояние min_sample_distance. Подробнее... |
|
| void | findSimilarFeatures (const FeatureCloud &input_features, const pcl::Indices &sample_indices, pcl::Indices &corresponding_indices) |
| Для каждой точки-образца найти список точек в целевом облаке, признаки которых похожи на признаки точки-образца. Подробнее... |
|
| float | computeErrorMetric (const PointCloudSource &cloud, float threshold) |
| Метрика ошибки для оценки качества совмещения заданного облака с целевым облаком. Подробнее... |
|
| void | computeTransformation (PointCloudSource &output, const Eigen::Matrix4f &guess) override |
| Метод вычисления жёсткого преобразования. Подробнее... |
|
|
Защищённые функции-члены, унаследованные от pcl::Registration< PointSource, PointTarget, Scalar >
| |
| bool | searchForNeighbors (const PointCloudSource &cloud, int index, pcl::Indices &indices, std::vector< float > &distances) |
| Найти ближайшего соседа для заданной точки. Подробнее... |
|
| virtual void | computeTransformation (PointCloudSource &output, const Matrix4 &guess)=0 |
| Абстрактный метод вычисления преобразования с начальным приближением. Подробнее... |
|
|
Защищённые функции-члены, унаследованные от pcl::PCLBase< PointSource >
| |
| bool | initCompute () |
| Этот метод следует вызывать перед началом фактических вычислений. Подробнее... |
|
| bool | deinitCompute () |
| Этот метод следует вызывать после завершения фактических вычислений. Подробнее... |
|
Защищённые атрибуты | |
| FeatureCloudConstPtr | input_features_ |
| Дескрипторы признаков исходного облака точек. Подробнее... |
|
| FeatureCloudConstPtr | target_features_ |
| Дескрипторы признаков целевого облака точек. Подробнее... |
|
| int | nr_samples_ {3} |
| Количество выборок, используемых на каждой итерации. Подробнее... |
|
| float | min_sample_distance_ {0.0f} |
| Минимальные расстояния между выборками. Подробнее... |
|
| int | k_correspondences_ {10} |
| Количество соседей, используемых при выборе случайного соответствия признаков. Подробнее... |
|
| FeatureKdTreePtr | feature_tree_ |
| Объект KdTree, используемый для сравнения дескрипторов признаков. Подробнее... |
|
| ErrorFunctorPtr | error_functor_ |
|
Защищённые атрибуты, унаследованные от pcl::Registration< PointSource, PointTarget, Scalar >
| |
| std::string | reg_name_ |
| Имя метода регистрации. Подробнее... |
|
| KdTreePtr | tree_ |
| Указатель на объект пространственного поиска. Подробнее... |
|
| KdTreeReciprocalPtr | tree_reciprocal_ |
| Указатель на объект пространственного поиска для исходного облака. Подробнее... |
|
| int | nr_iterations_ {0} |
| Количество итераций, выполненных внутренней оптимизацией (используется внутри класса). Подробнее... |
|
| int | max_iterations_ {10} |
| Максимальное количество итераций, которое должна выполнить внутренняя оптимизация. Подробнее... |
|
| int | ransac_iterations_ {0} |
| Количество итераций, которое должен выполнить RANSAC. Подробнее... |
|
| PointCloudTargetConstPtr | target_ |
| Целевой набор входных данных облака точек. Подробнее... |
|
| Matrix4 | final_transformation_ |
| Итоговая матрица преобразования, рассчитанная методом регистрации после N итераций. Подробнее... |
|
| Matrix4 | transformation_ |
| Матрица преобразования, рассчитанная методом регистрации. Подробнее... |
|
| Matrix4 | previous_transformation_ |
| Предыдущая матрица преобразования, рассчитанная методом регистрации (используется внутри класса). Подробнее... |
|
| double | transformation_epsilon_ {0.0} |
| Максимальное различие между двумя последовательными преобразованиями, при котором считается, что достигнута сходимость (задаётся пользователем). Подробнее... |
|
| double | transformation_rotation_epsilon_ {0.0} |
| Максимальное различие в повороте между двумя последовательными преобразованиями, при котором считается, что достигнута сходимость (задаётся пользователем). Подробнее... |
|
| double | euclidean_fitness_epsilon_ |
| Максимально допустимая евклидова ошибка между двумя последовательными шагами цикла ICP, при достижении которой алгоритм считается сошедшимся. Подробнее... |
|
| double | corr_dist_threshold_ |
| Максимальный порог расстояния между двумя соответствующими точками исходного и целевого облаков. Подробнее... |
|
| double | inlier_threshold_ {0.05} |
| Порог расстояния для внутренних точек во внутреннем цикле отбрасывания выбросов RANSAC. Подробнее... |
|
| bool | converged_ {false} |
| Содержит внутреннее состояние сходимости с учётом параметров пользователя. Подробнее... |
|
| unsigned int | min_number_correspondences_ {3} |
| Минимальное количество соответствий, необходимое алгоритму для оценки преобразования. Подробнее... |
|
| CorrespondencesPtr | correspondences_ |
| Набор соответствий, определённых на данном шаге ICP. Подробнее... |
|
| TransformationEstimationPtr | transformation_estimation_ |
| Объект TransformationEstimation, используемый для вычисления жёсткого преобразования 4x4. Подробнее... |
|
| CorrespondenceEstimationPtr | correspondence_estimation_ |
| Объект CorrespondenceEstimation, используемый для определения соответствий между исходным и целевым облаками. Подробнее... |
|
| std::vector< CorrespondenceRejectorPtr > | correspondence_rejectors_ |
| Список фильтров соответствий, которые следует использовать. Подробнее... |
|
| bool | target_cloud_updated_ {true} |
| Переменная, указывающая, появилось ли новое целевое облако и требуется ли его предварительная обработка. Подробнее... |
|
| bool | source_cloud_updated_ {true} |
| Переменная, указывающая, появилось ли новое исходное облако и требуется ли его предварительная обработка. Подробнее... |
|
| bool | force_no_recompute_ {false} |
| Флаг, который, если установлен, указывает, что дерево для целевого облака не будет пересчитываться. Подробнее... |
|
| bool | force_no_recompute_reciprocal_ {false} |
| Флаг, который, если установлен, указывает, что дерево для исходного облака не будет пересчитываться. Подробнее... |
|
| std::function< UpdateVisualizerCallbackSignature > | update_visualizer_ |
| Функция обратного вызова для обновления положения исходного облака точек на промежуточных этапах его регистрации относительно целевого облака точек. Подробнее... |
|
|
Защищённые атрибуты, унаследованные от pcl::PCLBase< PointSource >
| |
| PointCloudConstPtr | input_ |
| Входной набор данных облака точек. Подробнее... |
|
| IndicesPtr | indices_ |
| Указатель на вектор индексов точек, которые следует использовать. Подробнее... |
|
| bool | use_indices_ |
| Установите значение true, если используются индексы точек. Подробнее... |
|
| bool | fake_indices_ |
| Если набор индексов не задан, создаётся набор фиктивных индексов, соответствующий входному облаку точек. Подробнее... |
|
Подробное описание
template<typename PointSource, typename PointTarget, typename FeatureT>
class pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >
SampleConsensusInitialAlignment — это реализация алгоритма начального выравнивания, описанного в разделе IV статьи «Fast Point Feature Histograms (FPFH) for 3D Registration» (Rusu et al.).
Определение в строке 54 файла ia_ransac.h.
Документация псевдонимов типов-членов
ConstPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::ConstPtr = shared_ptr< const SampleConsensusInitialAlignment<PointSource, PointTarget, FeatureT> > |
Определение в строке 87 файла ia_ransac.h.
ErrorFunctorPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::ErrorFunctorPtr = typename ErrorFunctor::Ptr |
Определение в строке 138 файла ia_ransac.h.
FeatureCloud
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::FeatureCloud = pcl::PointCloud<FeatureT> |
Определение в строке 81 файла ia_ransac.h.
FeatureCloudConstPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::FeatureCloudConstPtr = typename FeatureCloud::ConstPtr |
Определение в строке 83 файла ia_ransac.h.
FeatureCloudPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::FeatureCloudPtr = typename FeatureCloud::Ptr |
Определение в строке 82 файла ia_ransac.h.
FeatureKdTreePtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::FeatureKdTreePtr = typename KdTreeFLANN<FeatureT>::Ptr |
Определение в строке 140 файла ia_ransac.h.
PointCloudSource
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::PointCloudSource = typename Registration<PointSource, PointTarget>::PointCloudSource |
Определение в строке 70 файла ia_ransac.h.
PointCloudSourceConstPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::PointCloudSourceConstPtr = typename PointCloudSource::ConstPtr |
Определение в строке 73 файла ia_ransac.h.
PointCloudSourcePtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::PointCloudSourcePtr = typename PointCloudSource::Ptr |
Определение в строке 72 файла ia_ransac.h.
PointCloudTarget
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::PointCloudTarget = typename Registration<PointSource, PointTarget>::PointCloudTarget |
Определение в строке 75 файла ia_ransac.h.
PointIndicesConstPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::PointIndicesConstPtr = PointIndices::ConstPtr |
Определение в строке 79 файла ia_ransac.h.
PointIndicesPtr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::PointIndicesPtr = PointIndices::Ptr |
Определение в строке 78 файла ia_ransac.h.
Ptr
template<typename PointSource , typename PointTarget , typename FeatureT >
| using pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::Ptr = shared_ptr<SampleConsensusInitialAlignment<PointSource, PointTarget, FeatureT> > |
Определение в строке 85 файла ia_ransac.h.
Документация конструкторов и деструкторов
SampleConsensusInitialAlignment()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Конструктор.
Определение в строке 142 файла ia_ransac.h.
Ссылки: pcl::Registration< PointSource, PointTarget, Scalar >::corr_dist_threshold_, pcl::Registration< PointSource, PointTarget, Scalar >::max_iterations_, pcl::Registration< PointSource, PointTarget, Scalar >::reg_name_, and pcl::Registration< PointSource, PointTarget, Scalar >::transformation_estimation_.
Документация функций-членов
computeErrorMetric()
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Метрика ошибки, вычисляющая качество выравнивания заданного облака с целевым облаком.
- Параметры
-
cloud входное облако точек threshold расстояния, превышающие это значение, ограничиваются этим значением
Определение в строке 166 файла ia_ransac.hpp.
computeTransformation()
template<typename PointSource , typename PointTarget , typename FeatureT >
| overrideprotected |
Метод вычисления жесткого преобразования.
- Параметры
-
output набор входных облаков точек, преобразованный с помощью найденного жесткого преобразования guess Вычисленное преобразование
Определение в строке 188 файла ia_ransac.hpp.
Ссылки: pcl::transformPointCloud().
findSimilarFeatures()
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Для каждой выборочной точки найти список точек целевого облака, признаки которых сходны с признаками выборочной точки.
Из найденных точек случайным образом выбирается одна, которая считается соответствующей точкой для этой выборочной точки.
- Параметры
-
input_features облако дескрипторов признаков sample_indices индексы каждой выборочной точки corresponding_indices полученные индексы соответствующих точек в целевом облаке для каждой выборочной точки
Определение в строке 141 файла ia_ransac.hpp.
getCorrespondenceRandomness()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Возвращает заданное пользователем количество соседей, используемых при выборе случайного соответствия признаков.
Определение в строке 231 файла ia_ransac.h.
Ссылки: pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::k_correspondences_.
getErrorFunction()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Возвращает общий указатель на ErrorFunctor, который требуется минимизировать.
- Возвращает
- Общий указатель на подкласс SampleConsensusInitialAlignment::ErrorFunctor
Определение в строке 252 файла ia_ransac.h.
Ссылки: pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::error_functor_.
getMinSampleDistance()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Возвращает заданное пользователем минимальное расстояние между выборочными точками.
Определение в строке 195 файла ia_ransac.h.
Ссылки: pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::min_sample_distance_.
getNumberOfSamples()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Возвращает заданное пользователем количество выборочных точек, используемых на каждой итерации.
Определение в строке 212 файла ia_ransac.h.
Ссылки: pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::nr_samples_.
getRandomIndex()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inlineprotected |
Выбирает случайный индекс в диапазоне от 0 до n-1.
- Параметры
-
n количество возможных индексов для выбора
Определение в строке 262 файла ia_ransac.h.
getSourceFeatures()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Возвращает указатель на признаки исходного облака точек.
Определение в строке 166 файла ia_ransac.h.
Ссылки: pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::input_features_.
getTargetFeatures()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Возвращает указатель на признаки целевого облака точек.
Определение в строке 179 файла ia_ransac.h.
Ссылки: pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::target_features_.
selectSamples()
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Выбирает из облака nr_samples точек, гарантируя, что расстояния между любыми парами выбранных точек превышают заданное пользователем минимальное расстояние min_sample_distance.
- Параметры
-
cloud входное облако точек nr_samples количество точек, которые нужно выбрать min_sample_distance минимальное расстояние между любыми двумя выбранными точками sample_indices индексы выбранных точек
Определение в строке 79 файла ia_ransac.hpp.
См. также pcl::euclideanDistance().
setCorrespondenceRandomness()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Задаёт количество соседей, используемых при выборе случайного соответствия признаков.
Большее значение повышает случайность сопоставления признаков.
- Параметры
-
k количество соседей, используемых при выборе случайного соответствия признаков.
Определение в строке 223 файла ia_ransac.h.
См. также pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::k_correspondences_.
setErrorFunction()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Задаёт минимизируемую функцию ошибки.
- Примечание
- Этот вызов необязателен. По умолчанию используется TruncatedError
- Параметры
-
[in] error_functor разделяемый указатель на подкласс SampleConsensusInitialAlignment::ErrorFunctor
Определение в строке 242 файла ia_ransac.h.
См. также pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::error_functor_.
setMinSampleDistance()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Задаёт минимальное расстояние между выбранными точками.
- Параметры
-
min_sample_distance минимальное расстояние между выбранными точками
Определение в строке 188 файла ia_ransac.h.
См. также pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::min_sample_distance_.
setNumberOfSamples()
template<typename PointSource , typename PointTarget , typename FeatureT >
| inline |
Задаёт количество точек, используемых на каждой итерации.
- Параметры
-
nr_samples количество точек, используемых на каждой итерации
Определение в строке 204 файла ia_ransac.h.
См. также pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::nr_samples_.
setSourceFeatures()
template<typename PointSource , typename PointTarget , typename FeatureT >
| void pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::setSourceFeatures | ( | const FeatureCloudConstPtr & | features | ) |
Передаёт разделяемый указатель на дескрипторы признаков облака точек-источника.
- Параметры
-
features признаки облака точек-источника
Определение в строке 50 файла ia_ransac.hpp.
setTargetFeatures()
template<typename PointSource , typename PointTarget , typename FeatureT >
| void pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::setTargetFeatures | ( | const FeatureCloudConstPtr & | features | ) |
Передаёт разделяемый указатель на дескрипторы признаков целевого облака точек.
- Параметры
-
features признаки целевого облака точек
Определение в строке 64 файла ia_ransac.hpp.
Документация по данным-членам
error_functor_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
feature_tree_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
KdTree, используемое для сравнения дескрипторов признаков.
Определение в строке 323 файла ia_ransac.h.
input_features_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Дескрипторы признаков облака точек-источника.
Определение в строке 307 файла ia_ransac.h.
Используется в pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::getSourceFeatures().
k_correspondences_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Количество соседей, используемых при выборе случайного соответствия признаков.
Определение в строке 320 файла ia_ransac.h.
Используется в pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::getCorrespondenceRandomness() и pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::setCorrespondenceRandomness().
min_sample_distance_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Минимальное расстояние между выбранными точками.
Определение в строке 316 файла ia_ransac.h.
Используется в pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::getMinSampleDistance() и pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::setMinSampleDistance().
nr_samples_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Количество точек, используемых на каждой итерации.
Определение в строке 313 файла ia_ransac.h.
Используется в pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::getNumberOfSamples() и pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::setNumberOfSamples().
target_features_
template<typename PointSource , typename PointTarget , typename FeatureT >
| protected |
Дескрипторы признаков целевого облака точек.
Определение в строке 310 файла ia_ransac.h.
Используется в pcl::SampleConsensusInitialAlignment< PointSource, PointTarget, FeatureT >::getTargetFeatures().
Документация этого класса создана на основе следующих файлов:
- pcl/registration/ia_ransac.h
- pcl/registration/impl/ia_ransac.hpp
© 2009–2012, Willow Garage, Inc.
© 2012–, Open Perception, Inc.
Licensed under the BSD License.
https://pointclouds.org/documentation/classpcl_1_1_sample_consensus_initial_alignment.html
