#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 на 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 254 файла extract_labeled_clusters.h.

Ссылки на 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 на 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 448 файла extract_clusters.h.

Ссылки на pcl::PointIndices::indices.

#include <pcl/segmentation/extract_clusters.h>

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

Параметры

cloud	сообщение облака точек
indices	список индексов точек для использования 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 пространственного кластера как мера в евклидовом пространстве L2
clusters	результирующие кластеры, содержащие индексы точек (как вектор PointIndices)
min_pts_per_cluster	минимальное количество точек, которые может содержать кластер (по умолчанию: 1)
max_pts_per_cluster	максимальное количество точек, которые может содержать кластер (по умолчанию: максимальное значение int)

Определение в строке 126 файла extract_clusters.hpp.

Ссылки на 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>

Разбиение области пространства на кластеры на основе евклидова расстояния между точками и углового отклонения нормалей между точками.

Каждая точка, добавленная в кластер, является начальной точкой для поиска других точек в радиусе. Каждая точка в радиусе сравнивается с начальной точкой по нормальному углу и евклидовому расстоянию. Если оба значения меньше соответствующего порога, точка добавляется в кластер. В целом, алгоритм кластеризации останавливается на поверхностях с резкими границами, а не на гладких поверхностях.

Parameters

облако_точек	сообщение облака точек
нормали	сообщение облака точек, содержащее информацию о нормалях
индексы	список индексов точек для использования из облако_точек
дерево	пространственный локатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для облако_точек

Parameters

толерантность	пространственная толерантность кластера как мера в евклидовом пространстве L2
кластеры	результирующие кластеры, содержащие индексы точек (как PointIndices)
eps_угол	максимальное допустимое различие между нормалями в радианах для роста кластера/региона
min_точек_в_кластере	минимальное количество точек, которые может содержать кластер (по умолчанию: 1)
max_точек_в_кластере	максимальное количество точек, которые может содержать кластер (по умолчанию: максимальное целое число)

Определение в строке 217 файла extract_clusters.h.

Ссылки на pcl::KdTree< PointT >::getIndices(), pcl::KdTree< PointT >::getInputCloud(), 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>

Разбиение области пространства на кластеры на основе евклидова расстояния между точками и углового отклонения нормалей между точками.

Каждая точка, добавленная в кластер, является начальной точкой для поиска других точек в радиусе. Каждая точка в радиусе сравнивается с начальной точкой по нормальному углу и евклидовому расстоянию. Если оба значения меньше соответствующего порога, точка добавляется в кластер. В целом, алгоритм кластеризации останавливается на поверхностях с резкими границами, а не на гладких поверхностях.

Parameters

облако_точек	сообщение облака точек
нормали	сообщение облака точек, содержащее информацию о нормалях
дерево	пространственный локатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для облако_точек

Parameters

толерантность	пространственная толерантность кластера как мера в евклидовом пространстве L2
кластеры	результирующие кластеры, содержащие индексы точек (как вектор PointIndices)
eps_угол	максимальное допустимое различие между нормалями в радианах для роста кластера/региона
min_точек_в_кластере	минимальное количество точек, которые может содержать кластер (по умолчанию: 1)
max_точек_в_кластере	максимальное количество точек, которые может содержать кластер (по умолчанию: максимальное целое число)

Определение в строке 103 файла extract_clusters.h.

Ссылки на pcl::KdTree< PointT >::getInputCloud(), 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>

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

Параметры

облако	сообщение облака точек
дерево	пространственный локатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для облако

Параметры

tolerance	пространственная толерантность кластеризации как мера в евклидовом пространстве L2
кластеры	результирующие кластеры, содержащие индексы точек (как вектор 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 целое число)

Определение в строке 46 файла extract_clusters.hpp.

Ссылки на 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().

Ссылается на pcl::EuclideanClusterExtraction< PointT >::extract().

#include <pcl/segmentation/extract_labeled_clusters.h>

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

Параметры

[in]	облако	сообщение облака точек
[in]	дерево	пространственный локатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для облако

Параметры

[in]	tolerance	пространственная толерантность кластеризации как мера в евклидовом пространстве L2
[out]	мет_кластеры	результирующие кластеры, содержащие индексы точек (как вектор PointIndices)
[in]	min_pts_per_cluster	минимальное количество точек в кластере (по умолчанию: 1)
[in]	max_pts_per_cluster	максимальное количество точек в кластере (по умолчанию: максимальное целое число)
[in]	max_label

Устарело:

Планируется к удалению в версии 1.14: "Использование max_label устарело"

Определение в строке 45 файла extract_labeled_clusters.hpp.

Ссылается на pcl::LabeledEuclideanClusterExtraction< PointT >::extract().

#include <pcl/segmentation/extract_labeled_clusters.h>

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

Параметры

[вход]	cloud	сообщение облака точек
[вход]	tree	пространственный локатор (например, kd-дерево), используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для cloud

Параметры

[вход]	tolerance	пространственная пороговая величина кластеризации как мера в евклидовом пространстве L2
[выход]	labeled_clusters	результирующие кластеры, содержащие индексы точек (в виде вектора PointIndices)
[вход]	min_pts_per_cluster	минимальное количество точек, которое может содержать кластер (по умолчанию: 1)
[вход]	max_pts_per_cluster	максимальное количество точек, которое может содержать кластер (по умолчанию: максимальное целое число)

Определение в строке 64 файла extract_labeled_clusters.hpp.

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

#include <pcl/segmentation/segment_differences.h>

Получение разницы между двумя совмещенными облаками точек как облако точек, заданной пороговой величиной расстояния.

Параметры

src	исходное облако точек
threshold	пороговая величина расстояния (допуск) для соответствий точек. (например, проверить, если у точки p1 из src есть соответствие > порога с точкой p2 из tgt)
tree	пространственный локатор (например, kd-дерево), построенный над целевым облаком точек
output	результирующее выходное облако точек разности

Определение в строке 50 файла segment_differences.hpp.

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

Ссылка на pcl::SegmentDifferences< PointT >::segment().

#include <pcl/segmentation/extract_polygonal_prism_data.h>

Общий метод для проверки, находится ли 3D точка внутри или вне заданного 2D многоугольника.

Примечание

Этот метод принимает любую общую 3D точку, которая проецируется на 2D многоугольник, но выполняет внутреннюю проекцию XY как для многоугольника, так и для 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 на pcl::computeMeanAndCovarianceMatrix(), pcl::eigen33(), pcl::isXYPointIn2DXYPolygon(), pcl::PointCloud< PointT >::resize(), и pcl::PointCloud< PointT >::size().

#include <pcl/segmentation/extract_polygonal_prism_data.h>

Проверка, находится ли 2D-точка (учитываются только координаты X и Y) внутри или вне заданного многоугольника.

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

Примечание

(Это высокооптимизированный код, взятый с http://www.visibone.com/inpoly/) Авторское право (с) 1995-1996 Galacticomm, Inc. Исходный код с открытым исходным кодом.

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

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

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

Сегментация графа с помощью случайных блужданий.

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

Учитывая взвешенный неориентированный граф и небольшое количество заданных пользователем меток, этот алгоритм аналитически определяет вероятность того, что случайный блуждающий процесс, начатый в каждой вершине без метки, впервые достигнет одной из предварительно помеченных вершин. Затем вершины без меток присваиваются метке, для которой вычисляется наибольшая вероятность.

На вход подаётся граф BGL, карта свойств, которая сопоставляет вес каждой дуге графа, и карта свойств, содержащая начальные цвета вершин (термин «цвет» используется взаимозаменяемо с «меткой»).

Примечание

Цвет вершин без меток должен быть установлен в 0, цвета помеченных вершин могут быть любыми положительными числами.

Пользователь несет ответственность за то, чтобы каждая связная компонента графа имела хотя бы одну помеченную вершину. Если пользователь этого не сделал, поведение алгоритма неопределенно, т.е. он может или не может преуспеть, а также может или не может сообщить об ошибке.

Результат алгоритма (т.е. присвоение меток) записывается обратно в карту цветов.

Параметры

[in]

graph

неориентированный граф с внутренней картой весов рёбер и картой свойств цвета вершин

Для удобства предоставлены несколько перегрузок 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>

Сегментация графа с помощью случайных блужданий.

Это перегруженная функция, предоставленная для удобства. См. документацию для randomWalker().

Параметры

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

Автор

Sergey Alexandrov

Определение в строке 288 файла random_walker.hpp.

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

Сегментация графа с помощью случайных блужданий.

Это перегруженная функция, предоставленная для удобства. См. документацию для randomWalker().

Параметры

[in]	graph	неориентированный граф
[in]	weights	внешняя карта весов рёбер
[in,out]	colors	внешняя карта цвета вершин
[out]	potentials	матрица с рассчитанными вероятностями, где строки соответствуют вершинам, а столбцы — цветам
[out]	colors_to_columns_map	отображение между цветами и столбцами в матрице 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 евклидового расстояния между точками.

Параметры

[вход]	cloud	сообщение облака точек
[вход]	tree	пространственный локатор (например, kd-дерево) используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для cloud

Параметры

[вход]	tolerance	толерантность пространственного кластера как мера в L2 евклидовом пространстве
[вход]	indices_in	индексы кластера, содержащие точку-семя (как вектор PointIndices)
[выход]	indices_out
[вход]	delta_hue

Задача:

посмотреть как сделать это шаблонным!

Определение в строке 49 файла seeded_hue_segmentation.hpp.

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

Ссылается на pcl::SeededHueSegmentation::segment().

#include <pcl/segmentation/seeded_hue_segmentation.h>

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

Параметры

[вход]	cloud	сообщение облака точек
[вход]	tree	пространственный локатор (например, kd-дерево) используемый для поиска ближайших соседей

Примечание

дерево должно быть создано как пространственный локатор для cloud

Параметры

[вход]	tolerance	толерантность пространственного кластера как мера в L2 евклидовом пространстве
[вход]	indices_in	индексы кластера, содержащие точку-семя (как вектор PointIndices)
[выход]	indices_out
[вход]	delta_hue

Задача:

посмотреть как сделать это шаблонным!

Определение в строке 127 файла seeded_hue_segmentation.hpp.

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