admin 管理员组文章数量: 1184232
Cloudcompare
1、是计算两组点云间的鲁棒距离的特别方法
2、从2.9版开始，M3C2插件还包括James等人(2017)的“精度地图”(M3C2- pm)变体，用于每个点的精度估计已经可用，而不需要从粗糙度估计计算。 M3C2-PM特别适合由摄影测量处理生成的点云; 请参阅下面的专门部分和James等人(2017)了解更多细节。
3、计算M3C2距离
主要参数：
与CANUPO算法一样，为了加快计算速度，只能在特定的点上进行计算——称为核心点。 主要的想法是，虽然TLS云通常非常密集，但没有必要在如此高的密度下测量距离(而且在实际中会非常慢)。 这就是为什么用户需要选择使用什么“core point”: 整个点云、下采样点、自定义点
其他重要的参数是法线尺度和投影尺度（scales）:（1）法向尺度（normals）是在每个核点周围提取的球形邻域的直径，以计算局部法向。 这条法线用于定位圆柱体，在圆柱体内部搜索其他云中的等值点。 关于法线，更高级的选项可以在“法线”选项卡中设置(见下面)；（2）投影尺度（project）是上面圆柱体的直径；（3）最大深度参数（max depth）简单对应于圆柱体高度(在两个方向上)
注意:这些半径越大，局部表面粗糙度(和噪声)的影响就越小。 但是，被平均的点数越多，计算速度就越慢
最后，如果你现在全局配准错误(如果你的云是由配准几个站生成的)，你可以在“registration error”字段中输入它。 在对每个点(让你知道相应的位移是否重要)进行置信计算时，它将被考虑在内。
法向：
在M3C2中使用'clean'法线是非常重要的。 第二个选项卡允许您指定关于它们的计算的更高级的选项: （1）默认值（default）:法线是根据上一个选项卡中定义的法线比例参数计算的；（2）“多尺度（multiscale）:对于每个核心点，法线在几个尺度上计算，并使用最‘平坦’的；（3）垂直（vertical）:不做常规计算，只使用纯粹的垂直法线(完美的二维问题)；（4）水平（horizontal）:法线在(XY)平面上“受限”
或者，您也可以使用云原始法线(如果有)通过检查使用云#1正常复选框的第一个选项卡。
“orientation”选项让你帮助插件正确地定位法线
Precision maps：
Precision maps选项卡允许使用存储在点云标量域中的测量精度值来计算可检测的变化，而不是通过计算粗糙度来估计
如果标量字段可用，则复选框可用于启用M3C2的' precision maps '变体。 在这种情况下，不确定性估计将不再从主要参数选项卡中的投影比例的粗糙度估计，而是基于存储在标量字段中的3-D点精度估计。 确保为两个点云选择适当的标量字段，以在X, Y和Z中描述测量精度(sigmaX, sigmaY和sigmaZ)
如果精度值与点坐标的单位不同，比例尺可以改变。 例如，如果点坐标和精度值以米为单位，则比例尺值为1.000。 但是，如果坐标以米为单位，但是精确的标量字段以毫米为单位，则比例值应设置为0.001。
Advanced：
“advanced”选项卡包含…先进的参数。他们的名字能说明一切。它们可能被大多数用户忽略
Output：
可以选择生成额外的标量字段，还可以选择在哪个云上重新投影测量值(如果使用与第一个输入云不同的核心点，这一点特别有用)
结果：
注意，除了距离之外，M3C2插件还生成了其他几个标量字段:
距离不确定性(越接近于零越好)
变化的重要性(距离是否可能对应真实的变化)
以及每个核心点的标准偏差和邻居数量(在'output'选项卡中指定)
灰色点意味着要么云的某些部分在其他云中没有对应的(由于隐藏部分或数据集中的其他洞)，要么只是圆柱体的最大长度不够长!
（不理解！！！先看文献吧，哪位大佬路过可否讲解一下）
参考：
M3C2 (plugin) - CloudCompareWiki
本文标签： Cloudcompare
版权声明：本文标题：Cloudcompare 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1693913980a248710.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论