Computer vision 从深度传感器获取局部点云的最小定向边界盒

如何从局部点云计算定向边界框

我的使用案例是，我有一个深度相机，用一个对象（可能有不规则的几何体）俯视桌子。相机无法获取完整的点云，因为对象的底部被遮挡

从有限的点云信息，我可以得到，我如何适应它周围的定向边界框

我打算使用边界框来计算质心，假设密度均匀，并将其用作抓取启发式

---

2d中的类似问题：

如果我理解正确，为什么不假设以下内容：

将可见点重新投影到平面（表）

获取重投影点周围的边界矩形（未看到的点必须 如果相机与它正交，则不能在它的内部，也不能在外部 投影曲面，在本例中为表格），这是一个边界框轮廓

边界框底部是表格，其顶部与之平行，并包含距摄影机最近的点

---

这很有趣。但是，如果没有这个平面假设，真的没有通用的方法来获得三维边界框吗？三维任务与二维任务相同，但还有一个空间。但从平面假设开始更容易理解和形象化。此外，它的计算效率更高。如何获得3d版本的方向？是否有任何ros包可以做到这一点？我不熟悉ros，但可能至少有2d版本。对于3d，只需在（x，y）和（y，z）平面上使用两次。我想你不能得到z轴id的方向，因为你看不到它上面的所有点。找到（x，y）平面的定向边界框，并假设z在范围（0，max（z））内。