Point Cloud Tutorial

Introduction

이 튜토리얼은 Zivid SDK를 사용하여 Point Cloud 데이터를 처리하는 방법을 설명합니다.

팁

비디오 시청을 선호하는 경우 웨비나 Getting your point cloud ready for your application 에서 포인트 클라우드에 대해 다룹니다.

Prerequisites

• Zivid Software 를 설치합니다.

• Python의 경우: zivid-python 를 설치합니다.

Frame

C++

The Frame 은 포인트 클라우드 및 컬러 이미지(컴퓨팅 장치 메모리에 저장됨)와 캡처 및 카메라 정보가 포함됩니다.

C#

The Frame 은 포인트 클라우드 및 컬러 이미지(컴퓨팅 장치 메모리에 저장됨)와 캡처 및 카메라 정보가 포함됩니다.

Python

zivid.Frame 은 포인트 클라우드 및 컬러 이미지(컴퓨팅 장치 메모리에 저장됨)와 캡처 및 카메라 정보가 포함됩니다.

Capture

Zivid로 캡처하면 프레임을 받게 됩니다. 포인트 클라우드는 프레임에 저장되고, 프레임은 GPU 메모리에 저장됩니다. 호출하는 메서드에 따라 캡처에 색상이 포함될 수도 있고 포함되지 않을 수도 있습니다. 자세한 내용은 다양한 캡처 모드가 포함된 이 table with different capture modes 표를 참조하세요.

Capture with color

색상이 있는 포인트 클라우드를 캡처하려면 Camera::capture2D3D() 메서드를 사용하면 됩니다.

C++

소스

const auto frame = camera.capture2D3D(settings);

C#

소스

using (var frame = camera.Capture2D3D(settings))

Python

소스

frame = camera.capture_2d_3d(settings)

Capture without color

색상 없이 포인트 클라우드를 캡처하려면 Camera::capture3D() 메서드를 사용하면 됩니다.

C++

source

const auto frame3D = camera.capture3D(settings);

C#

소스

using (var frame3D = camera.Capture3D(settings))

Python

소스

frame_3d = camera.capture_3d(settings)

캡처 방법에 대한 자세한 지침은 Capture Tutorial 에서 확인하십시오.

Load

Frame은 ZDF 파일에서 로드할 수도 있습니다.

C++

소스

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);

C#

소스

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))
{

Python

소스

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

frame = zivid.Frame(data_file)

Point Cloud

Get handle from Frame

이제 GPU에서 포인트 클라우드 데이터를 얻을 수 있습니다.

C++

소스

const auto pointCloud = frame.pointCloud();

C#

소스

var pointCloud = frame.PointCloud;

Python

소스

point_cloud = frame.point_cloud()

포인트 클라우드는 2D 그리드에 배치된 XYZ, RGB 및 SNR을 포함합니다.

더 많은 정보를 확인하려면 Point Cloud Structure 를 참고하세요.

C++

이 메서드 Frame::pointCloud() 는 GPU 메모리에서 복사를 수행하지 않습니다.

참고

Camera::capture2D3D() 및 Camera::capture3D() 메서드는 카메라가 RAW 이미지 캡처를 완료한 후 특정 시점에 반환됩니다. Frame::pointCloud() 의 핸들은 즉시 사용할 수 있습니다. 그러나 실제 포인트 클라우드 데이터는 GPU에서 처리가 완료된 후에만 사용할 수 있습니다. 데이터 복사 함수(아래 섹션)에 대한 모든 호출은 차단되고 처리가 완료될 때까지 기다린 후 요청된 복사 작업을 진행합니다.

자세한 설명은 다음을 참조하십시오. Point Cloud Capture Process.

C#

Frame.PointCloud 속성을 가져올 때는 GPU 메모리에서 복사를 수행하지 않습니다.

참고

Camera.Capture2D3D() 및 Camera.Capture3D() 메서드는 카메라가 RAW 이미지 캡처를 완료한 후 특정 시점에 반환됩니다. Frame.PointCloud 의 핸들은 즉시 사용할 수 있습니다. 그러나 실제 포인트 클라우드 데이터는 GPU에서 처리가 완료된 후에만 사용할 수 있습니다. 데이터 복사 메서드(아래 섹션)에 대한 모든 호출은 차단되고 처리가 완료될 때까지 기다린 후 요청된 복사 작업을 진행합니다.

자세한 설명은 다음을 참조하십시오. Point Cloud Capture Process.

Python

zivid.frame.point_cloud() 함수는 GPU 메모리에서 복사를 수행하지 않습니다.

참고

zivid.camera.capture_2d_3d() 및 zivid.camera.capture_3d() 메서드는 카메라가 RAW 이미지 캡처를 완료한 후 특정 시점에 반환됩니다. zivid.frame.point_cloud() 의 핸들은 즉시 사용할 수 있습니다. 그러나 실제 포인트 클라우드 데이터는 GPU에서 처리가 완료된 후에만 사용할 수 있습니다. 데이터 복사 함수(아래 섹션)에 대한 모든 호출은 차단되고 처리가 완료될 때까지 기다린 후 요청된 복사 작업을 진행합니다.

자세한 설명은 다음을 참조하십시오. Point Cloud Capture Process.

Unorganized point cloud

체계화된(organized) 점군을 체계화되지 않은(unorganized) 포인트 클라우드로 변환할 수 있습니다. 이 과정에서 모든 NaN 값이 제거되고 포인트 클라우드를 1차원 배열로 변경합니다.

C++

source

const auto unorganizedPointCloud = frame.pointCloud().toUnorganizedPointCloud();

Python

소스

unorganized_point_cloud = frame.point_cloud().to_unorganized_point_cloud()

Combining multiple unorganized point clouds

체계화되지 않은(unorganized) 포인트 클라우드는 추가적인 체계화되지 않은 포인트 클라우드로 확장될 수 있습니다.

C++

소스

stitchedPointCloud.extend(currentPointCloud.transform(transformationMatrixZivid));

Python

소스

stitched_point_cloud.extend(current_point_cloud.transform(transformation_matrix))

Copy from GPU to CPU memory

이제 필요한 항목에 따라 데이터를 선택적으로 복사할 수 있습니다. 아래는 출력 데이터 형식의 전체 목록과 GPU에서 복사하는 방법입니다.

팁

GPU에서 CPU로 복사하지 않고 데이터를 직접 처리하려면 GPU Access Tutorial 를 참조하세요.

이러한 API의 대부분은 체계화되지 않은(unorganized) 포인트 클라우드에도 적용됩니다.

C++

Return type	Copy functions	Data per pixel	Total data
Zivid::Array2D<Zivid::PointXYZ>	PointCloud::copyPointsXYZ() 또는 PointCloud::copyData<Zivid::PointXYZ>()	12 bytes	28 MB
Zivid::Array2D<Zivid::PointXYZW>	PointCloud::copyPointsXYZW() 또는 PointCloud::copyData<Zivid::PointXYZW>()	16 bytes	37 MB
Zivid::Array2D<Zivid::PointZ>	PointCloud::copyPointsZ() 또는 PointCloud::copyData<Zivid::PointZ>()	4 bytes	9 MB
Zivid::Array2D<Zivid::ColorRGBA>	PointCloud::copyColorsRGBA() 또는 PointCloud::copyData<Zivid::ColorRGBA>()	4 bytes	9 MB
Zivid::Array2D<Zivid::SNR>	PointCloud::copySNRs() 또는 PointCloud::copyData<Zivid::SNR>()	4 bytes	9 MB
Zivid::Array2D<Zivid::PointXYZColorRGBA>	PointCloud::copyData<PointXYZColorRGBA>()	16 bytes	37 MB
Zivid::Array2D<Zivid::PointXYZColorBGRA>	PointCloud::copyPointsXYZColorsBGRA() 또는 PointCloud::copyData<PointXYZColorBGRA>()	16 bytes	37 MB
Zivid::Image<Zivid::ColorRGBA>	PointCloud::copyImageRGBA()	4 bytes	9 MB
Zivid::Image<Zivid::ColorBGRA>	PointCloud::copyImageBGRA()	4 bytes	9 MB
Zivid::Image<Zivid::ColorsRGB>	PointCloud::copyImagesRGB()	4 bytes	9 MB

C#

Return type	Copy methods	Data per pixel	Total data
float[height,width,3]	PointCloud.CopyPointsXYZ()	12 bytes	28 MB
float[height,width,4]	PointCloud.CopyPointsXYZW()	16 bytes	37 MB
float[height,width,1]	PointCloud.CopyPointsZ()	4 bytes	9 MB
byte[height,width,4]	PointCloud.CopyColorsRGBA()	4 bytes	9 MB
float[height,width]	PointCloud.CopySNRs()	4 bytes	9 MB
Zivid.NET.PointXYZColorRGBA[height, width]	PointCloud.CopyPointsXYZColorsRGBA()	16 bytes	37 MB
Zivid.NET.PointXYZColorBGRA[height, width]	PointCloud.CopyPointsXYZColorsBGRA()	16 bytes	37 MB
Zivid.NET.ImageRGBA	PointCloud.CopyImageRGBA()	4 bytes	9 MB
Zivid.NET.ImageBGRA	PointCloud.CopyImageBGRA()	4 bytes	9 MB
Zivid.NET.ImageSRGB	PointCloud.CopyImageSRGB()	4 bytes	9 MB

Python

Return type	Copy functions	Data per pixel	Total data
numpy.ndarray([height,width,3], dtype=float32)	PointCloud.copy_data("xyz")	12 bytes	28 MB
numpy.ndarray([height,width,3], dtype=float32)	PointCloud.copy_data("xyzw")	16 bytes	37 MB
numpy.ndarray([height,width], dtype=float32)	PointCloud.copy_data("z")	4 bytes	9 MB
numpy.ndarray([height,width,4], dtype=uint8)	PointCloud.copy_data("rgba")	4 bytes	9 MB
numpy.ndarray([height,width,4], dtype=uint8)	PointCloud.copy_data("bgra")	4 bytes	9 MB
numpy.ndarray([height,width,4], dtype=uint8)	PointCloud.copy_data("srgb")	4 bytes	9 MB
numpy.ndarray([height,width], dtype=float32)	PointCloud.copy_data("snr")	4 bytes	9 MB
numpy.ndarray([height,width], dtype=[('x', '<f4'), ('y', '<f4'), ('z', '<f4'), ('r', 'u1'), ('g', 'u1'), ('b', 'u1'), ('a', 'u1')])	PointCloud.copy_data("xyzrgba")	16 bytes	37 MB

다음은 데이터를 복사하는 방법의 예입니다.

C++

소스

const auto data = pointCloud.copyData<Zivid::PointXYZColorRGBA_SRGB>();

C#

소스

var pointCloudData = pointCloud.CopyPointsXYZColorsRGBA_SRGB();

Python

소스

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

Memory allocation options

메모리 할당 측면에서 데이터를 복사하는 두 가지 방법이 있습니다.

• Zivid SDK는 메모리 버퍼를 할당하고 데이터를 복사할 수 있습니다.

• 사용자는 사전 할당된 메모리 버퍼에 대한 포인터를 전달할 수 있으며 Zivid SDK는 데이터를 사전 할당된 메모리 버퍼에 복사합니다.

C++

OpenCV를 사용하는 두 가지 메모리 할당 옵션에 대한 예를 제시합니다.

Copy selected data from GPU to CPU memory (Zivid-allocated)

예를 들어 포인트 클라우드의 RGB 색상 데이터는 해당 데이터만 CPU 메모리에 복사할 수 있습니다.

소스

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);

Copy selected data from GPU to CPU memory (user-allocated)

위 예에서 데이터의 소유권은 반환된 Zivid::Array2D<> 객체가 가지고 있습니다. 또는 Zivid::PointCloud::copyData(dataPtr) 에 사전 할당된 메모리 버퍼를 제공할 수도 있습니다. dataPtr 의 유형에 따라 복사할 대상이 정의됩니다(PointXYZ, ColorRGBA 등).

이제 위와 똑같은 사용 사례를 살펴보겠습니다. 그러나 이번에는 OpenCV가 필요한 스토리지를 할당하도록 허용합니다. 그런 다음 GPU에서 이 메모리 위치로 데이터를 직접 복사하도록 Zivid API에 요청합니다.

소스

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);

더 보기

각 데이터 유형을 GPU에서 시스템 메모리로 복사하는 데 걸리는 시간에 대한 벤치마크는 Copy Speed 를 참조하세요.

Transform

포인트 클라우드의 원점을 카메라에서 로봇 기본 프레임 또는 예: scale the point cloud by transforming it from mm to m 으로 변경하기 위해 transform 를 원할 수 있습니다.

C++

소스

pointCloud.transform(baseToCameraTransform);

C#

소스

pointCloud.Transform(transformBaseToCamera);

Python

소스

point_cloud.transform(base_to_camera_transform)

Transformation can be done in-place:

• PointCloud::transform()

• UnorganizedPointCloud::transform()

or by creating a new instance:

• PointCloud::transformed()

• UnorganizedPointCloud::transformed()

다음 예제는 변환을 적용하여 UnorganizedPointCloud 의 새 인스턴스를 생성하는 방법을 보여줍니다. 이 샘플에서는 변환 후 변환되지 않은 포인트 클라우드가 사용되지 않으므로 새 인스턴스를 생성할 필요가 없습니다.

C++

source

const auto transformedUnorganizedPointCloud = unorganizedPointCloud.transformed(transformationMatrix);

Python

소스

transformed_unorganized_point_cloud = unorganized_point_cloud.transformed(transformation_matrix)

제자리 API도 변환된 포인트 클라우드를 반환하므로 아래 예처럼 바로 사용할 수 있습니다.

C++

소스

stitchedPointCloud.extend(currentPointCloud.transform(transformationMatrixZivid));

Python

소스

stitched_point_cloud.extend(current_point_cloud.transform(transformation_matrix))

관심 객체가 ROI로 자른 포인트 클라우드의 부분집합인 경우, 바이너리 마스크를 적용하여 이를 더욱 정교하게 다듬을 수 있습니다. 일반적인 작업 흐름은 2D 이미지를 캡처하고 세그멘테이션 알고리즘을 실행하여 객체를 식별한 다음, 그 결과 마스크를 3D 포인트 클라우드에 적용하는 것입니다. 이렇게 하면 세그멘테이션된 영역 밖의 모든 포인트가 무효화됩니다.

API 사용법과 코드 예제는 Point Cloud Tutorial의 Mask 섹션 을 참조하세요.

Mask

You can mask the point cloud to keep only a specific region of interest. A typical use case is to capture a 2D image, run it through a segmentation algorithm to produce a binary mask, and apply it to the 3D point cloud. Non-zero values in the mask invalidate the corresponding points (set to NaN), while zero values preserve them. The mask can be applied using PointCloud::mask() (in-place) or PointCloud::masked() (returns a new copy), on both PointCloud and Frame.

C++

소스

// 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);

C#

소스

// 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);

Python

소스

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)

마스크는 OpenCV 이미지와 같은 타사 데이터로부터 구성할 수도 있습니다.

C++

소스

// 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);

Python

소스

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))

참고

마스크는 암시적 리샘플링을 지원합니다. 마스크 해상도가 포인트 클라우드 해상도와 정수 배수(2, 3 또는 4)만큼 다르면 자동으로 리샘플링됩니다. 이는 3D 캡처와 해상도가 다른 2D 캡처로부터 마스크를 생성할 때 유용합니다.

Downsample

때로는 카메라에서 촬영되는 high spatial resolution 와 같은 포인트 클라우드가 필요하지 않을 수 있습니다. 직접 포인트 클라우드를 downsample 할 수 있습니다.

참고

Sampling (3D) 캡처하는 동안 포인트 클라우드의 해상도를 낮추는 동시에 획득 및 캡처 시간을 줄이는 하드웨어 기반 하위/다운샘플링 방법을 설명합니다.

참고

UnorganizedPointCloud 는 다운샘플링을 지원하지 않지만, Voxel 다운샘플링은 지원합니다. Voxel downsample 을 참조하세요.

다운샘플링은 현재 포인트 클라우드를 수정하면서 동시에 수행할 수 있습니다.

C++

소스

pointCloud.downsample(Zivid::PointCloud::Downsampling::by2x2);

C#

소스

pointCloud.Downsample(Zivid.NET.PointCloud.Downsampling.By2x2);

Python

소스

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

다운샘플링된 포인트 클라우드를 기존 포인트 클라우드를 변경하지 않는 새로운 포인트 클라우드 인스턴스로 얻을 수도 있습니다.

C++

소스

auto downsampledPointCloud = pointCloud.downsampled(Zivid::PointCloud::Downsampling::by2x2);

C#

소스

var downsampledPointCloud = pointCloud.Downsampled(Zivid.NET.PointCloud.Downsampling.By2x2);

Python

소스

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

Zivid SDK는 다음과 같은 다운샘플링 속도를 지원합니다. by2x2, by3x3, 그리고 by4x4, 다운샘플링을 여러 번 수행할 수 있습니다.

Voxel downsample

UnorganizedPointCloud 는 Voxel 다운샘플링을 지원합니다. 이 API는 두 가지 인수를 사용합니다.

1. voxelSize - Voxel의 크기(밀리미터)입니다.

2. minPointsPerVoxel - Voxel당 유지하기 위한 최소 포인트 수입니다.

Voxel 다운샘플링은 3D 공간을 주어진 크기의 입방 Voxel 격자로 세분화합니다. 주어진 Voxel에 주어진 한계 이상의 여러 포인트들이 포함된 경우, 모든 소스 포인트는 다음과 같은 속성을 가진 단일 포인트로 대체됩니다.

• 위치(XYZ)는 소스 지점 위치의 SNR 가중 평균입니다. 즉, 신뢰도가 높은 소스 지점은 신뢰도가 낮은 소스 지점보다 결과 위치에 더 큰 영향을 미칩니다.

• 색상(RGBA)은 소스 포인트의 색상의 평균입니다.

• 신호 대 잡음비(SNR)는 소스 포인트의 SNR 값의 sqrt(SNR^2의 합)입니다. 즉, 새 포인트의 SNR은 위치를 계산하는 데 사용된 소스 포인트의 수와 신뢰도가 높아질수록 증가합니다.

minPointsPerVoxel > 1을 사용하면 여러 각도에서 촬영된 포인트 클라우드의 조합인 비정형 포인트 클라우드에서 노이즈와 아티팩트를 제거하는 데 특히 유용합니다. 특정 아티팩트는 두 캡처 중 하나에만 존재할 가능성이 높기 때문에 minPointsPerVoxel을 사용하면 두 캡처가 “동의하는” Voxel로만 채울 수 있습니다.

C++

source

const auto finalPointCloud = stitchedPointCloud.voxelDownsampled(0.5, 1);

Python

소스

final_point_cloud = stitched_point_cloud.voxel_downsampled(0.5, 1)

Normals

일부 어플리케이션에는 포인트 클라우드에서 normals 얻기 위해 컴퓨팅이 필요합니다.

C++

소스

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

C#

소스

Console.WriteLine("Computing normals and copying them to CPU memory");
var normals = pointCloud.CopyNormalsXYZ();

Python

소스

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

Normals API는 포인트 클라우드의 각 지점에서 법선을 계산하고 GPU 메모리에서 CPU 메모리로 법선을 복사합니다. 결과는 입력 포인트 클라우드의 각 포인트에 대해 하나씩, 법선 벡터의 행렬입니다. 법선의 크기는 입력 포인트 클라우드의 크기와 같습니다.

Visualize

프레임이 있으면 포인트 클라우드를 시각화할 수 있습니다.

C++

소스

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();

C#

소스

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();
}

Python

소스

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()

포인트 클라우드 객체에서도 포인트 클라우드를 시각화할 수 있습니다.

C++

소스

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();

C#

소스

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();

Python

소스

    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()

자세한 내용은 다음을 확인하세요. Visualization Tutorial, 여기서 우리는 타사 라이브러리를 사용하여 포인트 클라우드, 컬러 이미지, 깊이 맵 및 법선 시각화를 다룹니다.

Conclusion

이 튜토리얼은 Zivid SDK를 사용하여 포인트 클라우드를 추출하고, 조작하고, 변환하고, 시각화하는 방법을 보여줍니다.

해당 API에 대해서는 Applications Basic 를 참조하세요.

Version History

SDK	Changes
2.18.0	Added Zivid::Mask class and PointCloud::mask() / PointCloud::masked() methods on PointCloud and Frame for post-capture binary masking.
2.16.0	Added support for UnorganizedPointCloud. PointCloud::transformed() is added as a function (also available as UnorganizedPointCloud::transformed()).
2.11.0	SRGB 색 공간에 대한 지원이 추가되었습니다.
2.10.0	Monochrome Capture 는 Downsample 을 대체할 수 있는 보다 빠른 대안을 제공합니다.