#include </__w/1/s/gpu/segmentation/include/pcl/gpu/segmentation/gpu_extract_labeled_clusters.h>

Метод сортировки кластеров (для std::sort).

Определение в строке 209 файла gpu_extract_labeled_clusters.h.

Ссылки: pcl::PointIndices::indices.

Используется в: pcl::gpu::EuclideanLabeledClusterExtraction< PointT >::extract().

#include <pcl/segmentation/extract_labeled_clusters.h>

Метод сортировки кластеров (для std::sort).

Определение в строке 205 файла extract_labeled_clusters.h.

Ссылки: pcl::PointIndices::indices.

#include </__w/1/s/gpu/segmentation/include/pcl/gpu/segmentation/gpu_extract_clusters.h>

Метод сортировки кластеров (для std::sort).

Определение в строке 215 файла gpu_extract_clusters.h.

Ссылки: pcl::PointIndices::indices.

Используется в: pcl::EuclideanClusterExtraction< PointT >::extract() и pcl::LabeledEuclideanClusterExtraction< PointT >::extract().

#include <pcl/segmentation/extract_clusters.h>

Метод сортировки кластеров (для std::sort).

Определение в строке 446 файла extract_clusters.h.

Ссылки: pcl::PointIndices::indices.

#include <pcl/segmentation/extract_clusters.h>

Разбивает область пространства на кластеры на основе евклидова расстояния между точками.

Параметры

cloud	сообщение с облаком точек
indices	список индексов точек, используемых из cloud
tree	пространственный локатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для cloud и indices

Параметры

tolerance	допуск кластеризации в пространстве, заданный в евклидовом пространстве L2
clusters	результирующие кластеры, содержащие индексы точек (в виде вектора PointIndices)
min_pts_per_cluster	минимальное количество точек в кластере (по умолчанию: 1)
max_pts_per_cluster	максимальное количество точек в кластере (по умолчанию: максимальное значение int)

Определение в строке 125 файла extract_clusters.hpp.

Ссылки: pcl::search::Search< PointT >::getIndices(), pcl::search::Search< PointT >::getInputCloud(), pcl::search::Search< PointT >::getSortedResults(), pcl::PointCloud< PointT >::header, pcl::PointIndices::header, pcl::PointIndices::indices, pcl::search::Search< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().

#include <pcl/segmentation/extract_clusters.h>

Разбивает область пространства на кластеры на основе евклидова расстояния между точками и углового отклонения нормалей между точками.

Каждая точка, добавленная в кластер, становится началом нового поиска в радиусе. Каждая точка в пределах радиуса сравнивается с начальной точкой по углу между нормалями и евклидову расстоянию. Если оба значения меньше соответствующих пороговых значений, точка добавляется в кластер. В общем случае алгоритм кластеризации не остановится на гладких поверхностях, но остановится на поверхностях с острыми краями.

Параметры

cloud	сообщение с облаком точек
normals	сообщение с облаком точек, содержащее информацию о нормалях
indices	список индексов точек, используемых из cloud
tree	пространственный индексатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный индексатор для cloud

Параметры

tolerance	пространственный допуск кластеризации, измеряемый в евклидовом пространстве L2
clusters	результирующие кластеры, содержащие индексы точек (в виде PointIndices)
eps_angle	максимально допустимая разница между нормалями в радианах при кластеризации/наращивании области
min_pts_per_cluster	минимальное число точек, которое может содержать кластер (по умолчанию: 1)
max_pts_per_cluster	максимальное число точек, которое может содержать кластер (по умолчанию: максимальное значение int)

Определение в строке 218 файла extract_clusters.h.

Ссылки: pcl::KdTree< PointT >::getIndices(), pcl::KdTree< PointT >::getInputCloud(), pcl::KdTree< PointT >::getSortedResults(), pcl::PointCloud< PointT >::header, pcl::PointIndices::header, pcl::PointIndices::indices, pcl::PointCloud< PointT >::push_back(), pcl::KdTree< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().

#include <pcl/segmentation/extract_clusters.h>

Разбивает область пространства на кластеры на основе евклидова расстояния между точками и углового отклонения нормалей между точками.

Каждая точка, добавленная в кластер, становится началом нового поиска в радиусе. Каждая точка в пределах радиуса сравнивается с начальной точкой по углу между нормалями и евклидову расстоянию. Если оба значения меньше соответствующих пороговых значений, точка добавляется в кластер. В общем случае алгоритм кластеризации не остановится на гладких поверхностях, но остановится на поверхностях с острыми краями.

Параметры

cloud	сообщение с облаком точек
normals	сообщение с облаком точек, содержащее информацию о нормалях
tree	пространственный индексатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный индексатор для cloud

Параметры

tolerance	пространственный допуск кластеризации, измеряемый в евклидовом пространстве L2
clusters	результирующие кластеры, содержащие индексы точек (в виде вектора PointIndices)
eps_angle	максимально допустимая разница между нормалями в радианах при кластеризации/наращивании области
min_pts_per_cluster	минимальное число точек, которое может содержать кластер (по умолчанию: 1)
max_pts_per_cluster	максимальное число точек, которое может содержать кластер (по умолчанию: максимальное значение int)

Определение в строке 103 файла extract_clusters.h.

Ссылки: pcl::KdTree< PointT >::getInputCloud(), pcl::KdTree< PointT >::getSortedResults(), pcl::PointCloud< PointT >::header, pcl::PointIndices::header, pcl::PointIndices::indices, pcl::PointCloud< PointT >::push_back(), pcl::KdTree< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().

#include <pcl/segmentation/extract_clusters.h>

Разбивает область пространства на кластеры на основе евклидова расстояния между точками.

Параметры

cloud	сообщение с облаком точек
tree	пространственный индексатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный индексатор для cloud

Параметры

tolerance	пространственный допуск кластеризации, измеряемый в евклидовом пространстве L2
clusters	результирующие кластеры, содержащие индексы точек (в виде вектора PointIndices)
min_pts_per_cluster	минимальное число точек, которое может содержать кластер (по умолчанию: 1)
max_pts_per_cluster	максимальное число точек, которое может содержать кластер (по умолчанию: максимальное значение int)

Определение в строке 46 файла extract_clusters.hpp.

Ссылки: pcl::search::Search< PointT >::getInputCloud(), pcl::search::Search< PointT >::getSortedResults(), pcl::PointCloud< PointT >::header, pcl::PointIndices::header, pcl::PointIndices::indices, pcl::search::Search< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().

Используется в pcl::EuclideanClusterExtraction< PointT >::extract().

#include <pcl/segmentation/extract_labeled_clusters.h>

Разбивает область пространства на кластеры на основе евклидова расстояния между точками.

Параметры

[in]	cloud	сообщение с облаком точек
[in]	tree	пространственный индексатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный индексатор для cloud

Параметры

[in]	tolerance	пространственный допуск кластеризации, измеряемый в евклидовом пространстве L2
[out]	labeled_clusters	результирующие кластеры, содержащие индексы точек (в виде вектора PointIndices)
[in]	min_pts_per_cluster	минимальное число точек, которое может содержать кластер (по умолчанию: 1)
[in]	max_pts_per_cluster	максимальное число точек, которое может содержать кластер (по умолчанию: максимальное значение int)

Определение в строке 45 файла extract_labeled_clusters.hpp.

Ссылки: pcl::search::Search< PointT >::getInputCloud(), pcl::search::Search< PointT >::getSortedResults(), pcl::PointCloud< PointT >::header, pcl::PointIndices::header, pcl::PointIndices::indices, pcl::search::Search< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().

Используется в pcl::LabeledEuclideanClusterExtraction< PointT >::extract().

#include <pcl/segmentation/segment_differences.h>

Вычисляет разность двух совмещённых облаков точек и возвращает её в виде другого облака точек с учётом заданного порога расстояния.

Параметры

src	исходное входное облако точек
threshold	порог расстояния (допуск) для соответствия точек (например, проверяет, находится ли точка p1 из src на расстоянии более threshold от соответствующей точки p2 из tgt)
tree	пространственный индексатор (например, kd-дерево), построенный по целевому облаку и используемый для поиска ближайших соседей
output	результирующее облако точек-разности

Определение в строке 50 файла segment_differences.hpp.

Ссылки: pcl::copyPointCloud(), pcl::PointCloud< PointT >::is_dense, pcl::isFinite(), pcl::search::Search< PointT >::nearestKSearch() и pcl::PointCloud< PointT >::size().

Используется в pcl::SegmentDifferences< PointT >::segment().

#include <pcl/segmentation/extract_polygonal_prism_data.h>

Универсальный метод для проверки того, находится ли 3D-точка внутри заданного 2D-многоугольника или снаружи него.

Примечание

этот метод принимает произвольную 3D-точку, спроецированную на 2D-многоугольник, но внутри выполняет XY-проекцию и многоугольника, и точки.

Параметры

point	3D-точка, спроецированная на ту же плоскость, что и многоугольник
polygon	многоугольник

Определение в строке 48 файла extract_polygonal_prism_data.hpp.

Ссылки: pcl::computeMeanAndCovarianceMatrix(), pcl::eigen33(), pcl::isXYPointIn2DXYPolygon(), pcl::PointCloud< PointT >::resize() и pcl::PointCloud< PointT >::size().

#include <pcl/segmentation/extract_polygonal_prism_data.h>

Проверяет, находится ли 2D-точка (учитываются только координаты X и Y!) внутри заданного многоугольника или снаружи него.

Этот метод предполагает, что и точка, и многоугольник спроецированы на плоскость XY.

Примечание

(Это высокооптимизированный код, взятый с сайта http://www.visibone.com/inpoly/) Copyright (c) 1995-1996 Galacticomm, Inc. Бесплатный исходный код.

Параметры

point	2D-точка, спроецированная на ту же плоскость, что и многоугольник
polygon	многоугольник

Определение в строке 108 файла extract_polygonal_prism_data.hpp.

Ссылки: pcl::PointCloud< PointT >::size().

Используется в pcl::isPointIn2DPolygon() и pcl::ExtractPolygonalPrismData< PointT >::segment().

#include <pcl/segmentation/impl/random_walker.hpp>

Многометочная сегментация графа с помощью случайных блужданий.

Это реализация алгоритма, описанного в статье Лео Грэди «Случайные блуждания для сегментации изображений».

Для заданного взвешенного неориентированного графа и небольшого количества меток, заданных пользователем, этот алгоритм аналитически определяет вероятность того, что случайный блуждающий, начинающий путь в каждой немаркированной вершине, впервые достигнет одной из предварительно маркированных вершин. Затем немаркированным вершинам присваивается метка с наибольшей рассчитанной вероятностью.

В качестве входных данных используются граф BGL, карта свойств, связывающая вес с каждым ребром графа, и карта свойств, содержащая начальные цвета вершин (термины «цвет» и «метка» используются как взаимозаменяемые).

Примечание

Цвета немаркированных вершин должны быть равны 0, а цвета маркированных вершин могут быть любыми положительными числами.

Пользователь должен убедиться, что в каждой связной компоненте графа есть хотя бы одна вершина с цветом. Если этого не сделать, поведение алгоритма не определено: он может как завершиться успешно, так и не завершиться, а также может сообщить об ошибке или не сообщить о ней.

Результат работы алгоритма (то есть присвоенные метки) записывается обратно в карту цветов.

Параметры

[in]

graph

неориентированный граф с внутренними картами свойств весов рёбер и цветов вершин

Для удобства предоставлено несколько перегруженных вариантов функции randomWalker().

См. также

randomWalker(Graph&, EdgeWeightMap, VertexColorMap)

randomWalker(Graph&, EdgeWeightMap, VertexColorMap, Eigen::Matrix <typename boost::property_traits<EdgeWeightMap>::value_type, Eigen::Dynamic, Eigen::Dynamic>&, std::map<typename boost::property_traits <VertexColorMap>::value_type, std::size_t>&)

Автор

Sergey Alexandrov

Определение в строке 280 файла random_walker.hpp.

#include <pcl/segmentation/impl/random_walker.hpp>

Многометочная сегментация графа с помощью случайных блужданий.

Эта перегруженная функция предоставлена для удобства. См. документацию для randomWalker().

Параметры

[in]	graph	неориентированный граф
[in]	weights	внешняя карта свойств весов рёбер
[in,out]	colors	внешняя карта свойств цветов вершин

Автор

Sergey Alexandrov

Определение в строке 288 файла random_walker.hpp.

#include <pcl/segmentation/impl/random_walker.hpp>

Многометочная сегментация графа с помощью случайных блужданий.

Эта перегруженная функция предоставлена для удобства. См. документацию для randomWalker().

Параметры

[in]	graph	неориентированный граф
[in]	weights	внешняя карта свойств весов рёбер
[in,out]	colors	внешняя карта свойств цветов вершин
[out]	potentials	матрица рассчитанных вероятностей, в которой строки соответствуют вершинам, а столбцы — цветам
[out]	colors_to_columns_map	соответствие между цветами и столбцами матрицы potentials

Автор

Sergey Alexandrov

Определение в строке 314 файла random_walker.hpp.

#include <pcl/segmentation/seeded_hue_segmentation.h>

Разбиение области пространства на кластеры на основе евклидова расстояния между точками.

Параметры

[in]	cloud	сообщение с облаком точек
[in]	tree	пространственный индекс (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный индекс для cloud

Параметры

[in]	tolerance	допуск кластеризации в пространстве евклидовых расстояний L2
[in]	indices_in	кластер, содержащий индексы начальных точек (в виде вектора PointIndices)
[out]	indices_out
[in]	delta_hue

Задача:

посмотреть, как сделать этот шаблонным!

Определение в строке 49 файла seeded_hue_segmentation.hpp.

Ссылки: pcl::search::Search< PointT >::getInputCloud(), pcl::search::Search< PointT >::getSortedResults(), pcl::_PointXYZHSV::h, pcl::PointIndices::indices, pcl::PointXYZRGBtoXYZHSV(), pcl::search::Search< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().

Используется в pcl::SeededHueSegmentation::segment().

#include <pcl/segmentation/seeded_hue_segmentation.h>

Разбиение области пространства на кластеры на основе евклидова расстояния между точками.

Параметры

[in]	cloud	сообщение с облаком точек
[in]	tree	пространственный индекс (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный индекс для cloud

Параметры

[in]	tolerance	допуск кластеризации в пространстве евклидовых расстояний L2
[in]	indices_in	кластер, содержащий индексы начальных точек (в виде вектора PointIndices)
[out]	indices_out
[in]	delta_hue

Задача:

посмотреть, как сделать этот шаблонным!

Определение в строке 129 файла seeded_hue_segmentation.hpp.

Ссылки: pcl::search::Search< PointT >::getInputCloud(), pcl::search::Search< PointT >::getSortedResults(), pcl::_PointXYZHSV::h, pcl::PointIndices::indices, pcl::PointXYZRGBtoXYZHSV(), pcl::search::Search< PointT >::radiusSearch() и pcl::PointCloud< PointT >::size().