我目前正在寻找一种将简单形状（例如 T 或 L 形状）拟合到 2D 点云的方法。结果，我需要的是形状的位置和方向。
我一直在研究几种方法，但大多数似乎都非常复杂，并且首先涉及构建和学习示例数据库。当我处理非常简单的形状时，我希望可能有一种更简单的方法。
问问题
2599 次
3 回答
0
说你不想做任何训练，我猜你的意思是你不想做任何特征匹配；特征匹配用于对图像中对象的姿势（位置和方向）做出良好的猜测，并且将与 RANSAC 一起适用于您的问题，以猜测和验证关于对象姿势的良好假设。
最简单的方法是模板匹配，但这可能在计算上过于复杂（这取决于您的用例）。在模板匹配中，您只需遍历对象的可能位置及其可能的方向和可能的比例，并检查模板（在该位置和方向和比例看起来像 L 或 T 的云）匹配（或者您采样可能的位置方向和比例随机）。如果您的点被组织（或者您通过例如将它们转换为像素来组织它们），则可以相当快地检查模板。
如果这太慢了，有很多方法可以使模板匹配更快，我会向您推荐广义霍夫变换。在这里，在开始搜索模板之前，您在您正在寻找的形状的边界（T 或 L）上循环，对于其边界上的每个点，您查看渐变方向，然后查看渐变方向和该点之间的角度对象模板的原点，以及到原点的距离。您将其添加到每个边界点的表格（让我们称之为Table A），最终得到一个表格，该表格从梯度方向映射到对象原点的一组可能位置。现在你设置了一个 2D 投票空间，它实际上只是一个 2D 数组（让我们称之为Table B) 其中每个像素都包含一个数字，表示该位置对象的投票数。然后对于目标图像（点云）中的每个点，您检查梯度并找到与Table A该梯度相对应的一组可能的对象位置，然后为Table B（霍夫空间）中的所有相应对象位置添加一票。
这是一个非常简洁的解释，但是知道要查找模板匹配和广义霍夫变换，您将能够在网络上找到更好的解释。例如，查看模板匹配和霍夫变换的 Wikipedia 页面。
于 2013-01-24T11:51:34.867 回答
0
在二维点云数据中检测形状（L、T、...）的两种常用方法是使用 OpenCV 或点云库。我将解释在 OpenCV 中检测这些形状可能采取的步骤。为此，您可以使用以下 3 种方法，正确方法的选择取决于形状（大小、形状的面积……）：
- 霍夫线变换
- 模板匹配
- 寻找轮廓
第一步是将您的点转换为灰度Mat对象，通过这样做，您基本上可以制作 2D 点云数据的图像，因此您可以使用其他 OpenCV 函数。然后你可以平滑图像以减少噪声，结果会以某种方式包含真实边缘的模糊图像，如果你的应用程序不需要实时处理，你可以使用bilateralFilter. 您可以在此处找到有关平滑的更多信息。下一步将是选择方法。如果形状只是某种正交线（例如 L 或 T），您可以使用霍夫线变换来检测线条，检测后，您可以遍历线条并计算dot product线的数量（因为它们是正交的，所以结果应该是 0）。您可以在此处找到有关霍夫线变换的更多信息。另一种方法是使用模板匹配检测您的形状。基本上，您应该制作一个形状（L 或 T）的模板并在matchTemplate函数中使用它。您应该考虑要使用的模板的大小应该按照图像的顺序排列，否则您可能会调整图像的大小。更多关于算法的信息可以在这里找到。如果形状包括您可以使用 找到形状轮廓的区域findContours，它将为您提供要检测的形状周围的多边形数量。例如，如果您的形状是L，它将具有大约 6 条线的多边形。此外，您还可以使用其他一些过滤器，findContours例如计算形状的面积。
于 2019-07-30T19:53:54.930 回答