learning

距離計算

点群間距離 cloud-to-cloud distances

• 二つの点群を選択（Shift+クリック）
  • Tools > Distances > Cloud/Cloud Dist.
• gravel_aを基準（Reference）に ←Swap
• パラメータ設定
  • max. distance = 0.05 m
  • split X, Y,and Z
    components: YES
  • → « Compute »
    • →　OK

点群間距離の算出方法 C2C distance

• デフォルトでは、比較される点群の各点について、基準点群の最近隣の点までの距離が算出される
  • →対称的ではない
    ＝基準と比較を入れ替えると結果も若干異なる

C2C distances のコンセプト

• 基準となる点群が充分に高密度であれば、比較点群で算出される最近隣の点との距離は、実際の距離に近くなる
• 理論：TLSによる点群はポアソン分布に従う
  • 誤差は点群密度に依存する
• 基準点群は高密度である必要がある
• 基準点群は比較点群の領域を充分にカバーする必要がある

基準点群が高密度でない場合は？

• “Local modeling”
  基準点群を補間（補完）するモデルを生成

距離のヒストグラム表示

• gravel_bを選択、ヒストグラムを表示
  • Edit > Scalar fields > Show histogram
  • →<1 mm の値に集中
• 余分な値を除外
  • Edit > Scalar fields > Filter by value
  • [0.001 0.05] » Export
• 出力した点群でSFのヒストグラムを表示
  • プロパティのカラースケールで色変更可能
  • X, Y, Z各方向の値（Split有効時）

M3C2プラグイン

M3C2距距離離

• 二つの点群を選択（Shift+クリック）
  • Plugins > M3C2 distance
• パラメータ設定
  • Cloud #1: gravel_a, Cloud #1: gravel_b
  • “Guess params”
  • subsample cloud #1: 0.0004 (= 0.4 mm)
  • Registration error: 0.001 (= 1 mm)
  • Normals: default

M3C2距離 gravel_a

M3C2距離 gravel_b

M3C2距離 M3C2 distance output

M3C2距離 normal dip [0–90°°]

M3C2距離 normal dip direction [0-360°°]