このページの一部は機械翻訳であり、まだ人による確認が行われていません。

点群のチュートリアル

導入

このチュートリアルでは、Zivid SDK を使用して 点群 データを操作する方法について説明します。

Tip

ビデオをご覧になりたい場合は、ウェビナー Getting your point cloud ready for your application 点群チュートリアルについて説明しています。

前提条件

フレーム

Frame には、点群とカラー画像(コンピューティングデバイスのメモリに格納)、およびキャプチャとカメラの情報が含まれます。

Frame には、点群とカラー画像(コンピューティングデバイスのメモリに格納)、およびキャプチャとカメラの情報が含まれます。

zivid.Frame 点群とカラー イメージ (コンピューティング デバイスのメモリに保存されている)、およびキャプチャとカメラの情報が含まれています。

捕獲

Zivid でキャプチャすると、フレームが返されます。点群はフレームに格納され、フレームは GPU メモリに格納されます。キャプチャには、呼び出すメソッドに応じて、カラーが含まれる場合と含まれない場合があります。詳細については さまざまなキャプチャモードを示す表 を参照してください。

色で捉える

カラー付きの点群をキャプチャしたい場合は、 Camera::capture2D3D() メソッドを使用できます。

ソースに移動

ソース

const auto frame = camera.capture2D3D(settings);
ソースに移動

ソース

using (var frame = camera.Capture2D3D(settings))
ソースに移動

ソース


frame = camera.capture_2d_3d(settings)

カラーなしで撮影

カラーなしの点群をキャプチャしたい場合は、 Camera::capture3D() メソッドを使用できます。

ソースに移動

source

const auto frame3D = camera.capture3D(settings);
ソースに移動

ソース

using (var frame3D = camera.Capture3D(settings))
ソースに移動

ソース

frame_3d = camera.capture_3d(settings)

キャプチャ方法の詳細な手順については、 キャプチャチュートリアル を確認してください。

負荷

フレームは ZDF ファイルからロードすることもできます。

ソースに移動

ソース

const auto dataFile = std::string(ZIVID_SAMPLE_DATA_DIR) + "/Zivid3D.zdf";
std::cout << "Reading ZDF frame from file: " << dataFile << std::endl;
const auto frame = Zivid::Frame(dataFile);
ソースに移動

ソース

var dataFile =
    Environment.GetFolderPath(Environment.SpecialFolder.CommonApplicationData) + "/Zivid/Zivid3D.zdf";
Console.WriteLine("Reading ZDF frame from file: " + dataFile);

using (var frame = new Zivid.NET.Frame(dataFile))
{
ソースに移動

ソース

data_file = get_sample_data_path() / "Zivid3D.zdf"
print(f"Reading point cloud from file: {data_file}")

frame = zivid.Frame(data_file)

点群

フレームからハンドルを取得

これで、GPU 上の点群データへのハンドルを取得できるようになりました。

ソースに移動

ソース

const auto pointCloud = frame.pointCloud();
ソースに移動

ソース

var pointCloud = frame.PointCloud;
ソースに移動

ソース

point_cloud = frame.point_cloud()

点群には、2D グリッド上に配置された XYZ、RGB、および SNR が含まれています。

詳細については 点群構造 参照してください。

メソッド Frame::pointCloud() は、GPU メモリからのコピーを一切実行しません。

注釈

Camera::capture2D3D() および Camera::capture3D() メソッドは、カメラが生画像のキャプチャを完了した後、ある時点で戻ります。 Frame::pointCloud() から取得したハンドルはすぐに利用可能です。ただし、実際の点群データは GPU での処理が完了した後にのみ利用可能になります。データコピー関数(以下のセクション)を呼び出すと、処理が完了するまでブロックされ、要求されたコピー操作に進む前に待機します。

詳細な説明については、 点群キャプチャプロセス 参照してください。

プロパティ Frame.PointCloud を取得しても、GPU メモリからのコピーは一切実行されません。

注釈

Camera.Capture2D3D() および Camera.Capture3D() メソッドは、カメラが生画像のキャプチャを完了した後、ある時点で戻ります。 Frame.PointCloud から取得したハンドルはすぐに利用可能です。ただし、実際の点群データは GPU での処理が完了した後にのみ利用可能になります。データコピーメソッド(以下のセクション)を呼び出すと、処理が完了するまでブロックされ、要求されたコピー操作に進む前に待機します。

詳細な説明については、 点群キャプチャプロセス 参照してください。

関数 zivid.frame.point_cloud() GPU メモリからのコピーを実行しません。

注釈

zivid.camera.capture_2d_3d() メソッドと zivid.camera.capture_3d() メソッドは、カメラが生画像のキャプチャを完了した後、ある時点で戻ります。 zivid.frame.point_cloud() のハンドルはすぐに使用できます。ただし、実際の点群データは、GPU での処理が完了した後にのみ使用可能になります。データコピー関数 (以下のセクション) を呼び出すと、処理が完了するまでブロックされ、要求されたコピー操作に進む前に待機します。

詳細な説明については、 点群キャプチャプロセス 参照してください。

整理されていない点群

整理された点群を非整理点群に変換することが可能です。その際、すべての NaN 値が削除され、点群は 1 次元配列に平坦化されます。

ソースに移動

source

const auto unorganizedPointCloud = frame.pointCloud().toUnorganizedPointCloud();
ソースに移動

ソース

unorganized_point_cloud = frame.point_cloud().to_unorganized_point_cloud()

複数の整理されていない点群を組み合わせる

整理されていない点群は、追加の整理されていない点群によって拡張することができる。

ソースに移動

ソース

stitchedPointCloud.extend(currentPointCloud.transform(transformationMatrixZivid));
ソースに移動

ソース

stitched_point_cloud.extend(current_point_cloud.transform(transformation_matrix))

GPU から CPU メモリにコピー

これで、必要なデータに応じて選択的にデータをコピーできるようになりました。以下は、出力データ形式の完全な一覧と、それらを GPU からコピーする方法です。

Tip

CPU にコピーせずに GPU 上で直接データを処理したい場合は、 GPU アクセスチュートリアル を参照してください。

これらの API のほとんどは、整理されていない点群にも適用されます。

戻り値の型

コピー機能

ピクセルごとのデータ

合計データ

Zivid::Array2D<Zivid::PointXYZ>

PointCloud::copyPointsXYZ() または PointCloud::copyData<Zivid::PointXYZ>()

12 バイト

28MB

Zivid::Array2D<Zivid::PointXYZW>

PointCloud::copyPointsXYZW() または PointCloud::copyData<Zivid::PointXYZW>()

16 バイト

37MB

Zivid::Array2D<Zivid::PointZ>

PointCloud::copyPointsZ() または PointCloud::copyData<Zivid::PointZ>()

4 バイト

9MB

Zivid::Array2D<Zivid::ColorRGBA>

PointCloud::copyColorsRGBA() または PointCloud::copyData<Zivid::ColorRGBA>()

4 バイト

9MB

Zivid::Array2D<Zivid::SNR>

PointCloud::copySNRs() または PointCloud::copyData<Zivid::SNR>()

4 バイト

9MB

Zivid::Array2D<Zivid::PointXYZColorRGBA>

PointCloud::copyData<PointXYZColorRGBA>()

16 バイト

37MB

Zivid::Array2D<Zivid::PointXYZColorBGRA>

PointCloud::copyPointsXYZColorsBGRA() または PointCloud::copyData<PointXYZColorBGRA>()

16 バイト

37MB

Zivid::Image<Zivid::ColorRGBA>

PointCloud::copyImageRGBA()

4 バイト

9MB

Zivid::Image<Zivid::ColorBGRA>

PointCloud::copyImageBGRA()

4 バイト

9MB

Zivid::Image<Zivid::ColorsRGB>

PointCloud::copyImagesRGB()

4 バイト

9MB

戻り値の型

コピー方法

ピクセルごとのデータ

合計データ

float[height,width,3]

PointCloud.CopyPointsXYZ()

12 バイト

28MB

float[height,width,4]

PointCloud.CopyPointsXYZW()

16 バイト

37MB

float[height,width,1]

PointCloud.CopyPointsZ()

4 バイト

9MB

byte[height,width,4]

PointCloud.CopyColorsRGBA()

4 バイト

9MB

float[height,width]

PointCloud.CopySNRs()

4 バイト

9MB

Zivid.NET.PointXYZColorRGBA[height, width]

PointCloud.CopyPointsXYZColorsRGBA()

16 バイト

37MB

Zivid.NET.PointXYZColorBGRA[height, width]

PointCloud.CopyPointsXYZColorsBGRA()

16 バイト

37MB

Zivid.NET.ImageRGBA

PointCloud.CopyImageRGBA()

4 バイト

9MB

Zivid.NET.ImageBGRA

PointCloud.CopyImageBGRA()

4 バイト

9MB

Zivid.NET.ImageSRGB

PointCloud.CopyImageSRGB()

4 バイト

9MB

戻り値の型

コピー機能

ピクセルごとのデータ

合計データ

numpy.ndarray([height,width,3], dtype=float32)

PointCloud.copy_data("xyz")

12 バイト

28MB

numpy.ndarray([height,width,3], dtype=float32)

PointCloud.copy_data("xyzw")

16 バイト

37MB

numpy.ndarray([height,width], dtype=float32)

PointCloud.copy_data("z")

4 バイト

9MB

numpy.ndarray([height,width,4], dtype=uint8)

PointCloud.copy_data("rgba")

4 バイト

9MB

numpy.ndarray([height,width,4], dtype=uint8)

PointCloud.copy_data("bgra")

4 バイト

9MB

numpy.ndarray([height,width,4], dtype=uint8)

PointCloud.copy_data("srgb")

4 バイト

9MB

numpy.ndarray([height,width], dtype=float32)

PointCloud.copy_data("snr")

4 バイト

9MB

numpy.ndarray([height,width], dtype=[('x', '<f4'), ('y', '<f4'), ('z', '<f4'), ('r', 'u1'), ('g', 'u1'), ('b', 'u1'), ('a', 'u1')])

PointCloud.copy_data("xyzrgba")

16 バイト

37MB

データをコピーする方法の例を次に示します。

ソースに移動

ソース

const auto data = pointCloud.copyData<Zivid::PointXYZColorRGBA_SRGB>();
ソースに移動

ソース

var pointCloudData = pointCloud.CopyPointsXYZColorsRGBA_SRGB();
ソースに移動

ソース

xyz = point_cloud.copy_data("xyz")
rgba = point_cloud.copy_data("rgba_srgb")

メモリ割り当てオプション

メモリ割り当ての観点から、データをコピーするには 2 つの方法があります。

  • Zivid SDK はメモリ バッファを割り当て、そこにデータをコピーできます。

  • ユーザーは事前に割り当てられたメモリ バッファーへのポインターを渡すことができ、Zivid SDK はデータを事前に割り当てられたメモリ バッファーにコピーします。

OpenCV を使用した 2 つのメモリ割り当てオプションの例を示します。

選択したデータを GPU から CPU メモリ (Zivid に割り当て) にコピーします

たとえば点群の RGB カラー データのみが必要な場合は、そのデータのみを CPU メモリにコピーできます。

ソースに移動

ソース

std::cout << "Capturing frame" << std::endl;
frame = camera.capture2D3D(settings);

const auto frame2D = frame.frame2D();
if(!frame2D.has_value())
{
    throw std::runtime_error("Captured frame does not contain a 2D image.");
}
std::cout << "Copying colors with Zivid API from GPU to CPU" << std::endl;
auto colors = frame2D->imageBGRA_SRGB();

std::cout << "Casting the data pointer as a void*, since this is what the OpenCV matrix constructor requires."
          << std::endl;
auto *dataPtrZividAllocated = const_cast<void *>(static_cast<const void *>(colors.data()));

std::cout << "Wrapping this block of data in an OpenCV matrix. This is possible since the layout of \n"
          << "Zivid::ColorBGRA_SRGB exactly matches the layout of CV_8UC4. No copying occurs in this step."
          << std::endl;
const cv::Mat bgraZividAllocated(colors.height(), colors.width(), CV_8UC4, dataPtrZividAllocated);

std::cout << "Displaying image" << std::endl;
cv::imshow("BGRA image Zivid Allocated", bgraZividAllocated);
cv::waitKey(CI_WAITKEY_TIMEOUT_IN_MS);

選択したデータを GPU から CPU メモリ (ユーザー割り当て) にコピーします

上記の例では、データの所有権は返された Zivid::Array2D<> オブジェクトが保持していました。あるいは、事前に割り当てたメモリバッファを Zivid::PointCloud::copyData(dataPtr) に渡すこともできます。 dataPtr の型によって、何をコピーするかが定義されます( PointXYZ 、 ColorRGBA など)。

次に、上記とまったく同じ使用例を見てみましょう。ただし、今回は OpenCV が必要なストレージを割り当てることを許可します。次に、Zivid API に、GPU からこのメモリの場所にデータを直接コピーするように依頼します。

ソースに移動

ソース

std::cout << "Allocating the necessary storage with OpenCV API based on resolution info before any capturing"
          << std::endl;
auto bgraUserAllocated = cv::Mat(resolution.height(), resolution.width(), CV_8UC4);

std::cout << "Capturing frame" << std::endl;
auto frame = camera.capture2D3D(settings);
auto pointCloud = frame.pointCloud();

std::cout << "Copying data with Zivid API from the GPU into the memory location allocated by OpenCV"
          << std::endl;
pointCloud.copyData(&(*bgraUserAllocated.begin<Zivid::ColorBGRA_SRGB>()));

std::cout << "Displaying image" << std::endl;
cv::imshow("BGRA image User Allocated", bgraUserAllocated);
cv::waitKey(CI_WAITKEY_TIMEOUT_IN_MS);

参考

各データ型を GPU からシステムメモリにコピーするのにかかる時間については、 コピー速度 のベンチマークを参照してください。

変身

点群を 変換 して原点をカメラからロボットのベース フレームに変更したり、 点群を mm から変換してスケールしたりすることもできます。から m 。

ソースに移動

ソース

pointCloud.transform(baseToCameraTransform);
ソースに移動

ソース

pointCloud.Transform(transformBaseToCamera);
ソースに移動

ソース

point_cloud.transform(base_to_camera_transform)

変革は現地で実施可能です。

  • PointCloud::transform()

  • UnorganizedPointCloud::transform()

または、新しいインスタンスを作成することによって:

  • PointCloud::transformed()

  • UnorganizedPointCloud::transformed()

次の例は、変換を適用した UnorganizedPointCloud の新しいインスタンスを作成する方法を示しています。このサンプルでは、変換前の点群は変換後に使用されないため、新しいインスタンスを作成する必要は必ずしもないことに注意してください。

ソースに移動

source

const auto transformedUnorganizedPointCloud = unorganizedPointCloud.transformed(transformationMatrix);
ソースに移動

ソース

transformed_unorganized_point_cloud = unorganized_point_cloud.transformed(transformation_matrix)

インプレース API でも変換された点群が返されるため、以下の例のように直接使用できます。

ソースに移動

ソース

stitchedPointCloud.extend(currentPointCloud.transform(transformationMatrixZivid));
ソースに移動

ソース

stitched_point_cloud.extend(current_point_cloud.transform(transformation_matrix))

対象のオブジェクトが ROI でクロップした点群のサブセットである場合は、バイナリマスクを適用することでさらに絞り込むことができます。典型的なワークフローは、2D 画像をキャプチャし、セグメンテーションアルゴリズムを実行してオブジェクトを識別し、得られたマスクを 3D 点群に適用するというものです。これにより、セグメント化された領域外のすべての点が無効化されます。

API の使用方法とコード例については、 点群チュートリアルのマスクセクション を参照してください。

マスク

点群をマスクして、特定の関心領域のみを保持することができます。典型的な使用例は、2D 画像をキャプチャし、セグメンテーションアルゴリズムに通してバイナリマスクを生成し、それを 3D 点群に適用するというものです。マスク内の非ゼロ値は対応する点を無効化し(NaN に設定)、ゼロ値はそれらを保持します。マスクは、 PointCloud と Frame の両方で、 PointCloud::mask() (インプレース)または PointCloud::masked() (新しいコピーを返す)を使用して適用できます。

ソースに移動

ソース

// Create a ones-filled mask
Zivid::Mask mask(resolution);

// Calculate rectangle bounds
const int height = static_cast<int>(resolution.height());
const int width = static_cast<int>(resolution.width());
const int heightMin = (height - pixelsToDisplay) / 2;
const int heightMax = (height + pixelsToDisplay) / 2;
const int widthMin = (width - pixelsToDisplay) / 2;
const int widthMax = (width + pixelsToDisplay) / 2;

// Create OpenCV Mat wrapper for the mask data
cv::Mat maskMat(height, width, CV_8UC1, mask.data());

// Draw filled rectangle on the mask to unmask the central region
cv::rectangle(
    maskMat, cv::Point(widthMin, heightMin), cv::Point(widthMax, heightMax), cv::Scalar(0), cv::FILLED);

return mask;
auto maskedPointCloud = pointCloud.masked(mask);
ソースに移動

ソース

// Create a ones-filled mask
var mask = new Zivid.NET.Mask(resolution);

// Calculate rectangle bounds
int height = (int)resolution.Height;
int width = (int)resolution.Width;
int heightMin = (height - pixelsToDisplay) / 2;
int heightMax = (height + pixelsToDisplay) / 2;
int widthMin = (width - pixelsToDisplay) / 2;
int widthMax = (width + pixelsToDisplay) / 2;

// Set pixels inside the rectangle to zero
for (int y = heightMin; y < heightMax; ++y)
{
    for (int x = widthMin; x < widthMax; ++x)
    {
        mask[x, y] = 0;
    }
}

return mask;
    var maskedPointCloud = pointCloud.Masked(mask);
ソースに移動

ソース

pixels_to_display = 300
print(f"Generating binary mask of central {pixels_to_display} x {pixels_to_display} pixels")
height = frame.point_cloud().height
width = frame.point_cloud().width
mask = np.ones((height, width), bool)

h_min = (height - pixels_to_display) // 2
h_max = (height + pixels_to_display) // 2
w_min = (width - pixels_to_display) // 2
w_max = (width + pixels_to_display) // 2
mask[h_min:h_max, w_min:w_max] = 0
print("Masking point cloud")
point_cloud.mask(mask)

マスクは、OpenCV 画像などのサードパーティ製データから構築することもできます。

ソースに移動

ソース

// Create a circular mask in OpenCV
const int centerX = static_cast<int>(resolution.width()) / 2;
const int centerY = static_cast<int>(resolution.height()) / 2;
const int radius = pixelsToDisplay;
cv::circle(opencvMask, cv::Point(centerX, centerY), radius, cv::Scalar(0), cv::FILLED);

// Convert OpenCV mask to Zivid::Mask
const Zivid::Mask circularMask(resolution, opencvMask.datastart, opencvMask.dataend);
ソースに移動

ソース

opencv_mask = np.ones((height, width), dtype=np.uint8)
center_x = width // 2
center_y = height // 2
radius = pixels_to_display
cv2.circle(opencv_mask, (center_x, center_y), radius, 0, thickness=cv2.FILLED)

point_cloud.mask(opencv_mask.astype(bool))

注釈

マスクは暗黙的なリサンプリングをサポートしています。マスクの解像度が点群の解像度と整数倍(2、3、または 4)異なる場合、自動的にリサンプリングされます。これは、3D キャプチャとは異なる解像度の 2D キャプチャからマスクを作成する場合に便利です。

ダウンサンプル

場合によっては、カメラから与えられるような 高い空間解像度 の点群が必要ないこともあります。その後、点群を ダウンサンプリング することができます。

注釈

サンプリング(3D) では、ハードウェアベースのサブ/ダウンサンプリング方法について説明しています。この方法は、キャプチャ中に点群の解像度を下げ、同時に取得時間とキャプチャ時間を短縮します。

注釈

UnorganizedPointCloud はダウンサンプリングをサポートしていませんが、ボクセルダウンサンプリングはサポートしています。 ボクセルダウンサンプリング を参照してください。

ダウンサンプリングはその場で実行でき、これにより現在の点群が変更されます。

ソースに移動

ソース

pointCloud.downsample(Zivid::PointCloud::Downsampling::by2x2);
ソースに移動

ソース

pointCloud.Downsample(Zivid.NET.PointCloud.Downsampling.By2x2);
ソースに移動

ソース

point_cloud.downsample(zivid.PointCloud.Downsampling.by2x2)

ダウンサンプリングされた点群を新しい点群インスタンスとして取得することもできます。これにより、既存の点群は変更されません。

ソースに移動

ソース

auto downsampledPointCloud = pointCloud.downsampled(Zivid::PointCloud::Downsampling::by2x2);
ソースに移動

ソース

var downsampledPointCloud = pointCloud.Downsampled(Zivid.NET.PointCloud.Downsampling.By2x2);
ソースに移動

ソース

downsampled_point_cloud = point_cloud.downsampled(zivid.PointCloud.Downsampling.by2x2)

Zivid SDK は、ダウンサンプリング レート : by2x2 、 by3x3 、および by4x4 をサポートしており、ダウンサンプリングを複数回実行する可能性があります。

ボクセルダウンサンプリング

UnorganizedPointCloud はボクセルダウンサンプリングをサポートしています。この API は 2 つの引数を取ります。

  1. voxelSize - ボクセルのサイズ(ミリメートル単位)。

  2. minPointsPerVoxel - ボクセルを保持するために必要な最小ポイント数。

ボクセルダウンサンプリングは、3D 空間を所定のサイズの立方体ボクセルのグリッドに分割します。特定のボクセルに、所定の制限値以上の点が複数存在する場合、それらのソース点はすべて、以下の特性を持つ単一の点に置き換えられます。

  • 位置(XYZ)は、音源点の位​​置を SNR で加重平均したものであり、つまり、信頼性の高い音源点は、信頼性の低い音源点よりも、結果として得られる位置に大きな影響を与えます。

  • 色(RGBA)は、ソースポイントの色の平均です。

  • 信号対雑音比(SNR)は、ソースポイントの SNR 値の平方根(Σ(SNR^2))です。つまり、新しいポイントの SNR は、その位置を計算するために使用されたソースポイントの数と信頼度の両方とともに増加します。

minPointsPerVoxel > 1 を使用すると、異なる角度からキャプチャされた点群の組み合わせである、整理されていない点群からノイズやアーティファクトを除去するのに特に役立ちます。これは、特定のアーティファクトはほとんどの場合、いずれかのキャプチャにのみ存在するため、minPointsPerVoxel を使用して、両方のキャプチャで「一致する」ボクセルのみを埋めることができるからです。

ソースに移動

source

const auto finalPointCloud = stitchedPointCloud.voxelDownsampled(0.5, 1);
ソースに移動

ソース

final_point_cloud = stitched_point_cloud.voxel_downsampled(0.5, 1)

法線

一部のアプリケーションでは、点群から 法線 を計算する必要があります。

ソースに移動

ソース

std::cout << "Computing normals and copying them to CPU memory" << std::endl;
const auto normals = pointCloud.copyData<Zivid::NormalXYZ>();
ソースに移動

ソース

Console.WriteLine("Computing normals and copying them to CPU memory");
var normals = pointCloud.CopyNormalsXYZ();
ソースに移動

ソース

print("Computing normals and copying them to CPU memory")
normals = point_cloud.copy_data("normals")

Normals API は、点群内の各点で法線を計算し、法線を GPU メモリから CPU メモリにコピーします。結果は、入力点群の各点に 1 つずつ含まれる法線ベクトルの行列になります。法線のサイズは、入力点群のサイズと同じです。

視覚化する

フレームがあると、点群を視覚化できます。

ソースに移動

ソース

std::cout << "Setting up visualization" << std::endl;
Zivid::Visualization::Visualizer visualizer;

std::cout << "Visualizing point cloud" << std::endl;
visualizer.showMaximized();
visualizer.show(frame);
visualizer.resetToFit();

std::cout << "Running visualizer. Blocking until window closes." << std::endl;
visualizer.run();
ソースに移動

ソース

Console.WriteLine("Setting up visualization");
using (var visualizer = new Zivid.NET.Visualization.Visualizer())
{
    Console.WriteLine("Visualizing point cloud");
    visualizer.Show(frame);
    visualizer.ShowMaximized();
    visualizer.ResetToFit();

    Console.WriteLine("Running visualizer. Blocking until window closes.");
    visualizer.Run();
}
ソースに移動

ソース

print("Visualizing point cloud")
with zivid.visualization.Visualizer() as visualizer:
    visualizer.set_window_title("Zivid Point Cloud Visualizer")
    visualizer.colors_enabled = True
    visualizer.axis_indicator_enabled = True
    visualizer.show(frame)
    visualizer.reset_to_fit()
    visualizer.run()

点群オブジェクトから点群を視覚化することもできます。

ソースに移動

ソース

std::cout << "Getting point cloud from frame" << std::endl;
auto pointCloud = frame.pointCloud();

std::cout << "Setting up visualization" << std::endl;
Zivid::Visualization::Visualizer visualizer;

std::cout << "Visualizing point cloud" << std::endl;
visualizer.showMaximized();
visualizer.show(pointCloud);
visualizer.resetToFit();

std::cout << "Running visualizer. Blocking until window closes." << std::endl;
visualizer.run();
ソースに移動

ソース

Console.WriteLine("Getting point cloud from frame");
var pointCloud = frame.PointCloud;

Console.WriteLine("Setting up visualization");
var visualizer = new Zivid.NET.Visualization.Visualizer();

Console.WriteLine("Visualizing point cloud");
visualizer.Show(pointCloud);
visualizer.ShowMaximized();
visualizer.ResetToFit();

Console.WriteLine("Running visualizer. Blocking until window closes.");
visualizer.Run();
ソースに移動

ソース

    point_cloud = frame.point_cloud()

with zivid.visualization.Visualizer() as visualizer:
    visualizer.set_window_title("Zivid Point Cloud Visualizer")
    visualizer.colors_enabled = True
    visualizer.axis_indicator_enabled = True
    visualizer.show(point_cloud)
    visualizer.reset_to_fit()
    visualizer.run()

詳細については、 視覚化チュートリアル を参照してください。ここでは、点群、カラー イメージ、深度マップ、および法線の視覚化と、サードパーティ ライブラリを使用した実装について説明しています。

結論

このチュートリアルでは、Zivid SDK を使用して点群を抽出し、操作し、変換し、視覚化する方法を説明します。

対応する API については、 アプリケーション基礎 を参照してください。

バージョン履歴

SDK

変更点

2.18.0

キャプチャ後のバイナリマスキングのために、 Zivid::Mask クラスと、 PointCloud および Frame 上の PointCloud::mask() / PointCloud::masked() メソッドが追加されました。

2.16.0

UnorganizedPointCloud のサポートが追加されました。 PointCloud::transformed() が関数として追加されました( UnorganizedPointCloud::transformed() としても利用可能です)。

2.11.0

SRGB 色空間のサポートが追加されました。

2.10.0

モノクロキャプチャ ダウンサンプル のより高速な代替手段を紹介します。