Image processing 在二维点云中查找简单形状

我目前正在寻找一种将简单形状（例如T形或L形）拟合到二维点云的方法。因此，我需要的是形状的位置和方向

---

我一直在研究几种方法，但大多数方法似乎非常复杂，首先需要构建和学习一个示例数据库。当我处理非常简单的形状时，我希望有一种更简单的方法。

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）进行良好的猜测，并与RANSAC一起应用于您的问题，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，您只需在对象的可能位置及其可能的方向和可能的比例上循环，并检查模板（在该位置、方向和比例上看起来像L或T的云）匹配的程度（或者随机采样可能的位置、方向和比例）。如果对点进行了组织（或通过将点转换为像素等方式进行组织），则可以相当快地检查模板

如果速度太慢，有很多方法可以加快模板匹配速度，我建议您使用广义Hough变换。 在这里，在开始搜索模板之前，您将在要查找的形状的边界（T或L）上循环，并查看其边界上的每个点的渐变方向，然后查看渐变方向与对象模板原点之间的角度，以及到原点的距离。将其添加到每个边界点的表中（我们称之为

表a

），最终得到一个从渐变方向映射到对象原点可能位置集的表。现在您设置了一个2D投票空间，它实际上只是一个2D数组（我们称之为

表B

），其中每个像素包含一个数字，表示该位置中对象的投票数。然后，对于目标图像（点云）中的每个点，检查梯度并找到与该梯度对应的

表A

中可能的对象位置集，然后为

表B

中的所有对应对象位置（Hough空间）添加一票

这是一个非常简洁的解释，但知道寻找模板匹配和广义霍夫变换，你将能够在网上找到更好的解释。例如，查看Wikipedia页面，了解模板匹配和Hough变换。

您可能需要：

1-从正在查找对象的图像中提取一些特征

2-提取对象图像中的另一组特征

3-匹配特征（可以使用SIFT等方法）

4-找到匹配项时，应用RANSAC算法。它为您提供变换矩阵（包括平移、旋转信息）

对于使用SIFT，请从开始。它实际上是为SIFT编写的最好的源代码之一。它包括RANSAC算法，您不需要自己实现它

---

您可以阅读有关RANSAC的信息。

检测2D点云数据中形状（L、T等）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，可以使用以下3种方法，正确方法的选择取决于形状（大小、形状面积等）：

• 霍夫线变换
• 模板匹配
• 寻找等高线

第一步是将点转换为灰度

Mat

对象，这样基本上可以生成2D点云数据的图像，从而可以使用其他OpenCV函数。然后，您可以对图像进行平滑处理以减少噪声，结果可能会是一个模糊的图像，其中包含真实的边缘。如果您的应用程序不需要实时处理，您可以使用

双边滤波器

。您可以找到有关平滑的更多信息。 下一步是选择方法。如果形状只是某种正交线（如L或T），则可以使用Hough线变换来检测线，检测后，可以在线上循环并计算线的

点积

（因为它们是正交的，所以结果应为0）。您可以找到有关Hough线变换的更多信息。 另一种方法是使用模板匹配检测形状。基本上，您应该为您的形状（L或T）制作一个模板，并在

matchTemplate

函数中使用它。你应该考虑你要使用的模板的大小应该按照你的图像的顺序，否则你可以调整你的图像大小。有关该算法的更多信息可以找到。

---

如果形状包含可以使用

findContours

查找形状轮廓的区域，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以及

findContours

，例如计算形状的面积

你能提到需要培训和数据的方法吗？