激光相机数据融合（4）--KITTI数据集中matlab接口说明及扩展

时间：2022-08-03 14:39:22

KITTI数据集接口已经提供了matlab接口，本篇将说明详细说明其应用并与PCL进行对接。PCL为C++点云处理语言库，详情可见：http://pointclouds.org/

程序可以从官网下载，也可以从我的github上下载https://github.com/ZouCheng321/fusion_kitti，为运行本代码，必须先编译make.m文件。

关于激光相机的demo为 run_demoVelodyne.m

本例以读取 2011_09_26_drive_0005_sync场景，读取第一帧，为例

首先设置读取路径和基本信息

if nargin<

  base_dir = './data/2011_09_26_drive_0005_sync';%场景路径

end

if nargin<

  calib_dir = './data/2011_09_26';%标定文件路径

end

cam       = ; % 第二个相机

frame     = ; % 帧数

读取标定文件：

% load calibration

calib = loadCalibrationCamToCam(fullfile(calib_dir,'calib_cam_to_cam.txt'));

Tr_velo_to_cam = loadCalibrationRigid(fullfile(calib_dir,'calib_velo_to_cam.txt'));

% compute projection matrix velodyne->image plane

R_cam_to_rect = eye();

R_cam_to_rect(:,:) = calib.R_rect{};

P_velo_to_img = calib.P_rect{cam+}*R_cam_to_rect*Tr_velo_to_cam; %内外参数

其中P_velo_to_img 为上文所释的投影矩阵：KRTcl。 Tr_velo_to_cam 为RTcl矩阵，R_cam_to_rect为相机畸变矫正矩阵，calib.P_rect{cam+1}为相机内参。

接下来读取图像和激光数据，并删除在相机平面后面的激光点：

% load and display image

img = imread(sprintf('%s/image_%02d/data/%010d.png',base_dir,cam,frame));

fig = figure('Position',[  size(img,) size(img,)]); axes('Position',[   ]);

imshow(img); hold on;

% load velodyne points

fid = fopen(sprintf('%s/velodyne_points/data/%010d.bin',base_dir,frame),'rb');

velo = fread(fid,[ inf],'single')';

velo = velo(::end,:); % remove every 5th point for display speed

fclose(fid);

% remove all points behind image plane (approximation

idx = velo(:,)<;

velo(idx,:) = [];

最后就是投影过程：

velo_img = project(velo(:,:),P_velo_to_img);

在图像上显示，距离用颜色表示：

cols = jet;

for i=:size(velo_img,)

  col_idx = round(*/velo(i,));

  plot(velo_img(i,),velo_img(i,),'o','LineWidth',,'MarkerSize',,'Color',cols(col_idx,:));

end

激光相机数据融合（4）--KITTI数据集中matlab接口说明及扩展

下面我将为大家说明获取保存为彩色点云，为后续算法做准备。

首先去除投影到图像外界的点：

X_plane=round(velo_img(:,));

Y_plane=round(velo_img(:,));

cloud=velo(:,:);

indice=find(X_plane>size(img,));

X_plane(indice)=[];

Y_plane(indice)=[];

cloud(indice,:)=[];

indice=find(X_plane<);

X_plane(indice)=[];

Y_plane(indice)=[];

cloud(indice,:)=[];

indice=find(Y_plane>size(img,));

X_plane(indice)=[];

Y_plane(indice)=[];

cloud(indice,:)=[];

indice=find(Y_plane<);

X_plane(indice)=[];

Y_plane(indice)=[];

cloud(indice,:)=[];

然后获取图像每个点的RGB值：

R=img(:,:,);

G=img(:,:,);

B=img(:,:,);

induv=sub2ind(size(R),X_plane,Y_plane);

cloud(:,)=double(R(induv))/+;

cloud(:,)=double(G(induv))/+;

cloud(:,)=double(B(induv))/+;

最后将点云保存为pcd格式，借助了外部文件savepcd.m:

savepcd('color_cloud.pcd',cloud');

接下开用pcl库显示点云，请确保电脑已经安装pcl：

cd view

mkdir build

cd build

cmake ..

make

./cloud_viewer ../../color_cloud.pcd

可以看见融合后的彩色点云：

激光相机数据融合（4）--KITTI数据集中matlab接口说明及扩展

至于如何利用所以帧建立地图将在后面的博客中介绍。

相关文章