3D 点云中的 2D 形状检测

Question

我正在开发一个检测纸飞机位置和方向的项目。 为了收集数据，我使用了英特尔实感 D435，它为我提供了准确、干净的深度数据。

现在我遇到了从 3D 点云数据中检测 2D 纸飞机轮廓的问题。

这是一个数据示例（我将飞机放在棍子上进行测试，这不会在最终实现中）：

基本上，我有：

• 平面上有点的 3D 点云
• 平面的 2D 形状

我想计算需要哪些旋转/平移才能将 2D 形状尽可能准确地与 3D 点云对齐。

我在网上搜索过，但找不到好的方法。一种方法是使用迭代最近点 (ICP) 首先获取已知方向的平面校准点云，并将其与当前方向对齐。但据我所知，如果点云一开始就没有紧密对齐，ICP 的性能就不会很好。

如有任何帮助，我们将不胜感激！编码语言并不重要。

Answer 1

您的 3D 点云有异常值吗？以什么方式有多少？

您到底是如何使用ICP的？ 一种方法是使用 ICP，并使用

手工制作初始猜测

pcl::transformPointCloud (*cloud_in, *cloud_icp, transformation_matrix);

（缓解ICP需要靠近工作的问题。）

您真正想要的是描述点云位置和方向的平面模型，对吧？

可以通过以下方式找到底层函数的良好估计器：pcl::ransac pcl::ransace模型共识

然后您可以获得计算模型系数。

现在找到正确的变换就是：如何计算从一个平面到另一个平面的变换矩阵？