matlab截取点云

### MATLAB 中实现点云数据截取

为了在 MATLAB 中有效地处理并截取点云数据，可以利用 `pcread` 函数读入点云文件，并借助 `pointCloud` 类的各种属性和方法操作这些数据。对于特定区域的截取需求，可以通过定义几何条件筛选符合条件的点。

#### 使用散点图与切片功能进行可视化预览

结合 `scatter3` 和 `slice` 函数有助于直观了解点云分布及其内部结构[^3]：

% 假设已有一个 pointCloud 对象 ptCloud 存储着原始点云数据
figure;
ax = axes();
hold(ax, 'on');

% 绘制全部点云作为背景
sct = scatter3(ptCloud.Location(:,1), ...
               ptCloud.Location(:,2), ...
               ptCloud.Location(:,3), ...
               '.', 'MarkerFaceColor', [0.5 0.5 0.5]);

xlabel('X轴');
ylabel('Y轴');
zlabel('Z轴');
title('点云数据及选定体积内的子集');

% 定义一个立方体体积用于选取感兴趣区 (ROI)，参数可根据实际情况调整
roiMin = [-5 -5 -2]; % ROI 的最小坐标向量
roiMax = [5 5 2];    % ROI 的最大坐标向量

% 找出位于上述矩形平行六面体内所有的索引位置
inliersIdx = findPointsInROI(ptCloud, roiMin, roiMax);

% 将找到的兴趣区内点用不同颜色高亮显示
highlightedPts = ptCloud.Location(inliersIdx,:);
scatter3(highlightedPts(:,1), highlightedPts(:,2), highlightedPts(:,3), '.r');

legend({'完整点云','兴趣区域内点'});

此段代码展示了如何先加载点云数据，再通过设定的空间范围过滤得到感兴趣的子集，并将其突出显示以便观察对比效果。这里的关键在于调用了假设存在的辅助函数 `findPointsInROI()` 来获取满足给定边界框约束的那些点的位置信息。

实际上，在 MATLAB R2021b 及之后版本中提供了内置的支持包可以直接完成类似的任务——即使用 `selectStrongestBbox` 或者其他专门针对 LiDAR 数据设计的功能来进行更加复杂的查询与选择工作；而对于早期版本，则可能需要自行编写逻辑判断哪些点落在指定范围内。