在二維點雲中尋找簡單的形狀

Question

我目前正在尋找一種方法來適應2D點雲的簡單形狀（例如T形或L形）。我需要的是形狀的位置和方向。

我一直在尋找幾種方法，但大多數看起來很複雜，首先涉及到構建和學習示例數據庫。由於我正在處理非常簡單的形狀，我希望可能有一個更簡單的方法。

Answer 1

通過說你不想做任何培訓我猜你的意思是你不想做任何功能匹配;特徵匹配用於對圖像中對象的姿態（位置和方向）進行很好的猜測，並且與RANSAC一起適用於猜測和驗證關於對象姿態的良好假設的問題。

最簡單方法是模板匹配，但這可能太複雜（這取決於您的使用情況）。在模板匹配中，您只需簡單地遍歷對象的可能位置及其可能的方位和可能的比例尺，並檢查模板（在該位置和方向和比例上看起來像L或T的雲）是否匹配（或您抽樣可能的位置方向和規模隨機）。如果你的點是有組織的（或者你通過將它們轉換成像素來組織它們），模板的檢查可以相當快。

如果這是太慢了也有用於製作模板匹配速度更快，我會向大家推薦通用霍夫變換許多方法。 這裏，在開始搜索模板之前，您可以遍歷要查找的形狀的邊界（T或L），並且對於其邊界上的每個點，查看梯度方向，然後查看梯度方向以及對象模板的原點，以及到原點的距離。您可以將其添加到每個邊界點的表格中（我們稱之爲Table A），並最終生成一個表格，從梯度方向映射到對象原點的可能位置集合。現在您設置了一個2D投票空間，它實際上只是一個2D數組（我們稱之爲Table B），其中每個像素都包含一個代表該位置中對象投票數的數字。然後，對於目標圖像（點雲）中的每個點，檢查梯度並找到與該梯度對應的Table A中可找到的一組可能的對象位置，然後在Table B（霍夫空間）。

這是一個非常簡潔的解釋，但知道尋找模板匹配和廣義Hough變換，您將能夠在網上找到更好的解釋。例如。查看Wikipedia頁面進行模板匹配和Hough變換。

Answer 2

您可能需要：

1-從圖像中提取的一些功能裏面，你要尋找的對象。

2-提取對象

3-匹配的特徵的圖像中的另一組的功能（也可以使用的方法，如SIFT）

4-當找到匹配項應用RANSAC算法。它爲您提供轉換矩陣（包括轉換，旋轉信息）。

使用SIFT從here開始。它實際上是爲SIFT編寫的最好的源代碼之一。它包括RANSAC算法，你不需要自己實現它。

你可以閱讀關於RANSAC here。