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。

点群構造と出力形式

整列された点群

Zivid はデフォルトで整列された点群を出力します。つまり、点群は画像のような構造を持つ 2D の点配列として配置されます。

この構造にはいくつかの利点があります。

  • 2D 配列は 1D 配列として解釈できるため、非整列点群用に設計されたアルゴリズムは整列点群でも同様に機能します。その逆が常に当てはまるわけではありません。

  • 順序付けされた点群では、2D 画像のピクセル(色と深さ)と点群の 3D 点の間に 1:1 の相関関係があります。これは、画像内の隣接するピクセルが点群内の隣接する点であることを意味します。これにより、2D 操作とアルゴリズムを 2D 画像に適用しながら、その結果を点群に直接適用できます。たとえば、物体検出とセグメンテーションでは、2D 画像をセグメント化し、対象のピクセルから 3D 点を直接抽出できます。

  • 点の順序性により、計算が高速化され、特定のアルゴリズム、特に隣接する点を使用する演算のコストが削減されます。

ピクセルインデックス:Studio (x, y) と API (row, column) の対応

整列された点群と 2D 画像は同じグリッドを共有していますが、Zivid Studio と API はそのグリッド内のピクセルを異なる方法でアドレス指定します。いずれの場合も、原点は左上隅です。

  • Zivid Studio は、ピクセル位置を (x, y) として表示します。ここで、 x は水平位置(列、右方向に増加)、 y は垂直位置(行、下方向に増加)です。

  • API は、ピクセルを (row, column) としてアドレス指定します。つまり、垂直インデックスが先、水平インデックスが後になります。たとえば、 PointCloud と Array2D は (row, column) としてインデックス付けされ、 row は 0 から height - 1 まで、 column は 0 から width - 1 までの範囲を取ります。また、C#、Python、MATLAB の配列は [height, width, ...] の形状になります。

したがって、両者は互いに逆の関係にあります:Studio で (x, y) として表示されるピクセルは、API では (row = y, column = x) に対応します。Studio からピクセル座標を読み取り、コード内で点群のインデックスとして使用する際には、この点に注意してください。

ReadIterateZDF サンプルは点群を反復処理し、 (row, column) インデックスによって個々の点を読み取ります:

ソースに移動

ソース

const size_t iStart = (pointCloud.height() - pixelsToDisplay) / 2;
const size_t iEnd = (pointCloud.height() + pixelsToDisplay) / 2;
const size_t jStart = (pointCloud.width() - pixelsToDisplay) / 2;
const size_t jEnd = (pointCloud.width() + pixelsToDisplay) / 2;
for(size_t i = iStart; i < iEnd; i++)
{
    for(size_t j = jStart; j < jEnd; j++)
    {
        const auto &point = data(i, j);
        const auto &pointSnr = snr(i, j);

        std::cout << std::setprecision(1) << std::fixed << "Values at pixel (" << i << "," << j << "):   "
                  << "X:" << std::left << std::setfill(' ') << std::setw(8) << point.point.x
                  << "Y:" << std::setw(8) << point.point.y << "Z:" << std::setw(8) << point.point.z
                  << "R:" << std::setw(8) << std::to_string(point.color.r) << "G:" << std::setw(8)
                  << std::to_string(point.color.g) << "B:" << std::setw(8) << std::to_string(point.color.b)
                  << "SNR:" << std::setw(8) << pointSnr.value << std::endl;
    }
}
ソースに移動

ソース

ulong iStart = (height - pixelsToDisplay) / 2;
ulong iStop = (height + pixelsToDisplay) / 2;
ulong jStart = (width - pixelsToDisplay) / 2;
ulong jStop = (width + pixelsToDisplay) / 2;
for (ulong i = iStart; i < iStop; i++)
{
    for (ulong j = jStart; j < jStop; j++)
    {
        Console.WriteLine(string.Format(
            "{0} {1} {2,-7} {3} {4,-7} {5} {6,-7} {7} {8,-7} {9} {10,-7} {11} {12,-7} {13} {14,-7}",
            "Values at pixel (" + i + "," + j + "):  ",
            "X:",
            pointCloudData[i, j].point.x.ToString("F1"),
            "Y:",
            pointCloudData[i, j].point.y.ToString("F1"),
            "Z:",
            pointCloudData[i, j].point.z.ToString("F1"),
            "R:",
            pointCloudData[i, j].color.r.ToString(),
            "G:",
            pointCloudData[i, j].color.g.ToString(),
            "B:",
            pointCloudData[i, j].color.b.ToString(),
            "SNR:",
            pointCloudSNR[i, j].ToString("F1")));
    }
}
ソースに移動

ソース

for row in range(int((height - pixels_to_display) / 2), int((height + pixels_to_display) / 2)):
    for col in range(int((width - pixels_to_display) / 2), int((width + pixels_to_display) / 2)):
        print(
            f"Values at pixel ({row} , {col}): X:{xyz[row,col,0]:.1f} Y:{xyz[row,col,1]:.1f}"
            f" Z:{xyz[row,col,2]:.1f} R:{rgba[row,col,0]} G:{rgba[row,col,1]} B:{rgba[row,col,2]}"
            f" SNR:{snr[row,col]:.1f}"
        )

非整列点群

非整列点群とは、1D 配列に点が並んだリストのことです。各点には、整列点群と同じ情報が含まれています。

非整列点群にも利点があります。

  • センサーピクセルへのマッピングが保持されないため、情報を持たない点(NaN)も保持されません。結果として、非整列点群は整列点群よりもサイズが小さくなる可能性があります。

  • 複数の点群を組み合わせる場合、それらを単一の非整列点群に統合する方が容易です。

注釈

非整列点群からピクセルインデックスを取得することは可能です。これは内部パラメータを使用して行うことができます。ただし、内部パラメータモデルはカメラの完全なキャリブレーションを網羅しているわけではありません。正確なピクセルマッピングを得る唯一の方法は、整列点群を使用することです。詳細については カメラ内部パラメータ を参照してください。

Zivid 点群

異なる Zivid カメラモデルは、シーンの点群をキャプチャするために異なる解像度のセンサーを使用します。 センサー解像度 がどのように定義されているかについては、 Zivid 仕様に関する用語 を参照してください。

カメラ

メガピクセル (MP)

解像度

Zivid 3

8

2816 x 2816

Zivid 2+

5

2448 x 2048

Zivid 2

2.3

1944 x 1200

SDK から解像度を取得するには複数の方法があります。

ソースに移動

ソース

const auto cameraInfo = camera.info();

auto defaultSettings = Zivid::Experimental::SettingsInfo::defaultValue<Zivid::Settings>(cameraInfo);
defaultSettings.acquisitions().emplaceBack(
    Zivid::Experimental::SettingsInfo::defaultValue<Zivid::Settings::Acquisition>(cameraInfo));

defaultSettings.set(
    Zivid::Settings::Color{
        Zivid::Experimental::SettingsInfo::defaultValue<Zivid::Settings2D>(cameraInfo)
            .copyWith(
                Zivid::Settings2D::Acquisitions{
                    Zivid::Experimental::SettingsInfo::defaultValue<Zivid::Settings2D::Acquisition>(
                        cameraInfo) }) });


std::cout << "Camera resolution for default settings:" << std::endl;
const auto resolution = Zivid::Experimental::SettingsInfo::resolution(cameraInfo, defaultSettings);
std::cout << "  Height: " << resolution.height() << std::endl;
std::cout << "  Width: " << resolution.width() << std::endl;

std::cout << "Point cloud (GPU memory) resolution:" << std::endl;
const auto pointCloud = camera.capture2D3D(defaultSettings).pointCloud();
std::cout << "  Height: " << pointCloud.height() << std::endl;
std::cout << "  Width: " << pointCloud.width() << std::endl;

std::cout << "Point cloud (CPU memory) resolution:" << std::endl;
const auto data = pointCloud.copyPointsXYZColorsRGBA_SRGB();
std::cout << "  Height: " << data.height() << std::endl;
std::cout << "  Width: " << data.width() << std::endl;
Zivid 3

生成された点群は 800 万点から構成されます。ピクセルと点の間には 1:1 の相関関係があるため、各ピクセルについて XYZ (mm)、RGB (8 ビット)、および SNR(信号対雑音比)を取得できます。GPU 内部では、3D 座標、色値、および SNR 値は、サイズ 2816 x 2816 の個別の 2D 配列として格納されます。ユーザー側(CPU メモリ)では、要求方法に応じて、データをさまざまな形式で格納できます。詳細については 点群のチュートリアル を参照してください。

Zivid 2+

生成された点群は 500 万点から構成されます。ピクセルと点の間には 1:1 の相関関係があるため、各ピクセルについて XYZ (mm)、RGB (8 ビット)、および SNR(信号対雑音比)を取得できます。GPU 内部では、3D 座標、色値、および SNR 値は、サイズ 2448 x 2048 の個別の 2D 配列として格納されます。ユーザー側(CPU メモリ)では、要求方法に応じて、データをさまざまな形式で格納できます。詳細については 点群のチュートリアル を参照してください。

Zivid 2

生成された点群は 230 万点から構成されます。ピクセルと点の間には 1:1 の相関関係があるため、各ピクセルについて XYZ (mm)、RGB (8 ビット)、および SNR(信号対雑音比)を取得できます。GPU 内部では、3D 座標、色値、および SNR 値は、サイズ 1944 x 1200 の個別の 2D 配列として格納されます。ユーザー側(CPU メモリ)では、要求方法に応じて、データをさまざまな形式で格納できます。詳細については 点群のチュートリアル を参照してください。

構造化された点群

カラー画像と深度マップは、Zivid 点群から直接抽出できます。これを行う方法の例は、 GitHub repository に示されています。

Zivid 出力形式

Zivid Studio から、点群を Zivid データファイル(*.zdf)に保存できます。さらに、点群を次の形式でエクスポートできます(File → Export)。

  • ポリゴン(PLY)

  • 点群データ(PCD)

  • ASCII(XYZ)

Zivid Studio からエクスポートする際には、各フォーマットごとに、 カラースペース や 法線 などさまざまなエクスポートオプションから選択できます。

PLY、PCD、および XYZ ファイル形式のエクスポートオプション。

Zivid データファイル(*.zdf)は Zivid のネイティブファイル形式です。API を使用している場合は、点群をループ処理し、任意の形式で X、Y、Z、R、G、B、SNR データを保存できます。Zivid データの読み取りまたは変換方法については、 C++ file format samples 、 C# file format samples 、および Python file format samples をご覧ください。

Tip

Zivid 点群を表示する最も簡単な方法は、ZDF ファイルを PC にコピーし、 Zivid Studio を使用することです。または、API を使用して ZDF を PLY に変換する(あるいは Python script を使用する)方法もあり、変換したファイルを MeshLab や CloudCompare のような 3D 点群ツールで開いて、距離、平面、偏差を可視化・測定できます。

ASCII ポイント(*.xyz)

ASCII 文字は、デカルト座標を格納するために使用されます。XYZ は空白で区切られます。本バージョンでは、各点に RGB 値も追加されます。新しい各点は改行文字で区切られます。このファイルは通常のテキストエディタで表示できます。

PLY ファイル(*.ply)

PLY はスタンフォードで開発されたファイル形式です。 Learn more about PLY。

点群データファイル(*.pcd)

PCD は Point Cloud Library にネイティブなファイル形式です。 Learn more about PCD。

Zivid SDK を使用して点群を希望の形式にエクスポートするには、 Experimental::PointCloudExport::exportFrame API を使用します。

点群を PCD にエクスポートするために Frame::save API を使用する場合はこちらをお読みください

整列 PCD 形式

Frame::save を使用する場合、Zivid SDK は整列点群を非整列点群を示すヘッダーとともに保存します。SDK 2.5 以降では、Config.yml ファイルを使用して SDK を構成し、整列点群を示す正しいヘッダーで PCD をエクスポートすることが可能です。ファイルが既に存在し、Windows の場合は %LOCALAPPDATA%\Zivid\API 、Ubuntu の場合は "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API にある場合は、 Configuration/APIBreakingBugFixes/FileFormats/PCD/UseOrganizedFormat を更新してください。

ファイルが存在しない場合:

  1. Config.yml ファイルをダウンロードします。

    設定ファイルには次の情報が含まれています。

    __version__:
        serializer: 1
        data: 12
    Configuration:
        APIBreakingBugFixes:
            FileFormats:
                PCD:
                    UseOrganizedFormat: yes
    
  2. 設定ファイルを次のディレクトリに配置します。

    Windows
    mkdir %LOCALAPPDATA%\Zivid\API
    move %HOMEPATH%\Downloads\Config.yml %LOCALAPPDATA%\Zivid\API\
    
    Ubuntu
    mkdir --parents "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API
    mv ~/Downloads/Config.yml "${XDG_CONFIG_HOME-$HOME/.config}"/Zivid/API/
    

    注意

    既存の設定ファイルは上書きされます。

注意

Zivid の設定ファイルは、.yml ファイル拡張子を使用する必要があります(.yaml は使用しないでください)。

Version History

SDK

変更点

2.17.0

Zivid 3 XL250 のサポートを追加しました。

2.16.0

UnorganizedPointCloud のサポートを追加しました。