select_shape_std()

作用:select_shape_std(Regions : SelectedRegions : Shape, Percent : )
函数根据Shape指定的形状特征,从Regions 选择满足特征的区域,保存到SelectedRegions 。
Shape有以下取值
  max_area
  面积最大区域被选择

  rectangle1
  通过smallest_rectangle1计算区域的最小外接平行矩形,
  如果计算出的区域与原区域面积百分比大于Percent ,则此区域选中输出。

  rectangle2
  类似,计算的是带角度的矩形(经过旋转的)。
  更多稳定的方法是调用 select_shape,传递参数rectangularity来选择区域。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码使用了Open3D库读取了一个点云数据文件,并进行了离群点去除操作。具体来说,代码的执行过程如下: 1. `pcd = o3d.io.read_point_cloud("./data/pcd/000007.pcd",remove_nan_points = True,remove_infinite_points = True)`:读取一个PCD文件,并将其中的NaN和无穷大数据点删除。这里的 `pcd` 对象是一个Open3D库提供的点云数据类型对象。 2. `print('原始点云个数是:',np.array(pcd.points).shape[0])`:输出读入点云数据后点云中的点数。 3. `o3d.visualization.draw_geometries([pcd])`:可视化显示原始点云数据。 4. `cl,index = pcd.remove_statistical_outlier(nb_neighbors = 50,std_ratio= 1.0)`:对点云数据进行统计学离群点去除,其中 `nb_neighbors` 是指每个点的邻域内点的数量,`std_ratio` 是指点云中的离群点与正常点在统计学上的区别。`remove_statistical_outlier` 函数返回两个对象:`cl` 是 `o3d.geometry.PointCloud` 类型的点云对象,其中被认定为离群点的点已被删除;`index` 是一个列表,其中包含未被删除的点的下标。 5. `new_cloud = pcd.select_by_index(index)`:根据上一步中得到的未被删除的点的下标,从原始点云数据中选取这些点,得到一个新的点云对象 `new_cloud`。 6. `o3d.visualization.draw_geometries([new_cloud])`:可视化显示去除离群点后的点云数据。 最终,这段代码的作用是读取一个点云文件,去除其中的离群点,并可视化显示去除离群点后的点云数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值