查找二維點雲中最大的空矩形（迷失方向）

如上所述，我想找到給定二維點雲中最大的空矩形。然後將這些信息用於獲取圖像中綠線所示的平行線，然後將其用於獲取LiDAR旋轉的角度。查找二維點雲中最大的空矩形（迷失方向）

我已經嘗試了凸點，邊界和alpha形狀函數在matlab與此點雲數據。從外觀上來看，我覺得我必須

（1）突破點雲成兩個塊（禮品包裝算法中？），然後

（2）適用邊界功能;使用座標從邊界函數中提取，

（3）我正在考慮運行RANSAC線擬合。

但是，RANSAC需要更多的點來判斷線條的「適應性」。目前，我正在探索Hough變換，以查看該行檢測是否適用於這種情況。

因此，這裏的問題是，

（1）我在正確的軌道上找到綠線？或者，還有更好的方法？

（2）如何獲得從線路的角度值/梯度當行是垂直的（TAN（90）= INF）

第二圖像描繪起點可以是在雲中的點的中心或在一個偏移量。可以假定會出現平行線具有不同的距離從中心

來源

2016-09-26 Chitii Ran

（1）你是什麼意思？你計算了那些綠線嗎？他們看起來不錯。（2）如果你有綠線，獲得與垂直（或水平）之間的角度應該是直截了當的（點積？） –

我想找到綠線。它顯示爲基於點雲的理想結果。對不起，如果它誤導你。 –

可以使用k均值聚類，以找到兩個簇然後找到每個兩點從集羣它們之間的距離是最低

%a function for rotation of points 
function out = rot(theta,data) 
    mat = [cos(theta), -sin(theta); 
      sin(theta), cos(theta)]; 
    out = data * mat.'; 
end 
a= [rand(505,1)*.4 , rand(505,1) ]; 
b= [rand(500,1)*.4 + .6 , rand(500,1)]; 
a = [a;b]; 
rt = rot(.4,a); 
%kmeans clustering 
km=kmeans(rt,2); 
class1 = rt(km==1,:); 
class2=rt(km==2,:); 
%find min distance 
[srch, d] = dsearchn(class1, class2); 
[mn, I] = min(d); 

plot(rt(:,1), rt(:,2),'.') 
hold on 
p1 = class1(srch(I),:); 
p2 = class2(I,:); 
plot(p1(1),p1(2),'*r') 
plot(p2(1),p2(2),'*g') 
xy = [class1(srch(I),:);class2(I,:)] 
plot(xy(:,1),xy(:,2),'-g') 
axis equal

來源

2016-09-26 11:11:01 rahnema1

嗨rahnema，感謝您建議Kmean集羣。它解決了第一部分。我將使用霍夫變換來完成剩下的工作。除非你有其他建議。 –

@ChitiiRan不需要RANSAC和Hough方法。因爲連接兩點的線顯示LiDAR的方向。但是最好使用其他聚類方法而不是kmeans，因爲kmeans對種子的初始值敏感。我建議使用SOM進行羣集。 – rahnema1

查找二維點雲中最大的空矩形（迷失方向）

回答

相關問題