Computer vision 三维数据中机器人定位的角点计算

使用

pcl:：SACMODEL\u LINE

RANSAC测线分割模块分割出拟合的点云子集后。 在下一步中，使用

pcl::compute3DCentroid(point_cloud, centroid);

这将提供精确的中心点，直到摄影机和提取的线模型对象彼此平行。 在最后一步中，提取的点云（即拟合线）的角点通过在中心点上添加已知距离来计算角点。 该技术将一直有效，直到相机和提取的线模型对象彼此平行。一旦相机与其形成角度，角点计算技术将失败。 任何建议我应该如何使用PCL库中现有的可靠方法计算角点，以计算提取的点云数据的角点

（PCL:：SACMODEL_LINE）

提前谢谢

---

如果您使用RANSAC精确提取了子集云，您应该能够使用getMinMax3d（）找到两个角点。

---

虽然这些不是子集云的实际点，但它们可用于确定边界及其上的点

谢谢。请你再解释一下你在文章中提到的以下几点好吗。“虽然这些不是子集云的实际点，但它们可用于确定边界及其上的点。”想象一下，您有一个只有两个点（-5,10，-2）和（5，-10,2）的点云。getMinMax3d（）的结果将是（-5，-10，-2）和（5,10,2）。这些“点”实际上并不存在于云中，但它们提供了关于每个维度的最大值和最小值的所有信息。例如，您可以使用x最小值-5来找到点（-5，10，-2），这非常有助于理解。如果您看到我绘制这些点的新附加图片。据我所知，绿点将是getMinMax3d（）的结果，对吗？在引入维之后，让我们假设，正如您提到的，将x从getMinMax3d（）映射到原点，对吗？