双目立体视觉：五（点云）

上一章已经写完了如何表达我们得到的三维坐标
这里
为了能更好地表达三维数据，我们应用了

点云

浅显地理解为：点+云
有一个x，y，z三坐标的点，而点上不再单纯是点了，点有了自己的属性，可以加入颜色，也就是说点包含了RGB。

ptCloud = pointCloud(xyzPoints)
ptCloud = pointCloud(xyzPoints,Name,Value)

Name：'Color'，[0 0 255]——点云全是蓝色

'Color'，image——点云是图像的颜色

当点云信息获取后，需要创建点云的显示窗口

player3D = pcplayer([-5, 5], [-5, 5], [0, 8], 'VerticalAxis', 'y', ...
    'VerticalAxisDir', 'down');

player = pcplayer(xlimits,ylimits,zlimits,Name,Value)
xlimits,ylimits,zlimits均为坐标轴的限制，在限制范围外不被显示。由于之前的操作已经除了100，从厘米变成了米，因此此处的参数都是米。
‘MarkerSize’,6——点云点的尺寸（直径）
‘VerticalAxis’,‘y’——设置垂直轴，这里设置为y轴，为了符合双目的坐标系。
‘VerticalAxisDir’, ‘down’——设置正方向向下，也就是y轴垂直于水平面
view(player3D, ptCloud)——显示点云

图像点提取

imagePoints1 = detectMinEigenFeatures(rgb2gray(I1), 'MinQuality', 0.1);

上面程序的算法：Shi和Tomasi开发的最小特征值算法来寻找特征点
Shi, J., and C. Tomasi, “Good Features to Track,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, June 1994, pp. 593–600.
其中第一项：rgb2gray(I1)——待找特征点的灰度图像。
第二项：‘MinQuality’, 0.1——限制角的最低接收质量，范围[0,1]，值越大越能去掉一些错误的角点，但是有效的角点的数量会明显减少。（一般的matlab中，多是(‘name’,值)这样的很常见，前面名称，后面跟值）
其他可选项：’ FilterSize’——范围[3,inf]，高斯滤波器维度，平滑图像的梯度，
‘ROI’——感兴趣区域进行角点检测[100,100,300,200]，其中[100,100]表示区域左上角坐标，300宽度，200高度