如何在平面上分布的点云上拟合矩形？

Question

我们有一个点云，其中的点位于同一平面上。它们的分布类似于下图中的红点，我们想要适应由黄色框表示的矩形。这些矩形的安装方式应使其以尽可能少的实例/矩形覆盖点的整个分布，并尽可能紧密地围绕点。

蓝色框

表示最小边界框，我们可以使用 open3d 的 get_minimal_orienting_bounding_box() 函数轻松获得。 当三组点（由黄色框分隔的组）不相交（它们之间有一些分隔）时，Arujo 和 Oliveira

的平面

补丁检测可以是解决此问题的好方法。 使用八叉树将数据分成小块，然后在它们周围绘制边界框是另一种方法，但可能会产生许多较小的矩形，这不是最佳结果。

Answer 1

k-means 聚类

来分区数据，然后计算每个聚类的边界框？您可以针对几个不同数量的簇（初始参数）运行它，然后比较边界框覆盖的总表面。 例如，scikit-learn 提供了一个相当容易实现的

KMeans 算法

。 另外，是否可以提供您正在处理的数据的示例？