二维矢量数据中的角点检测

Question

我正在尝试检测数据的2D散射矢量中的角（x / y坐标）。

数据来自激光测距仪，我们当前的平台使用Matlab（虽然独立的程序/库是一个选项，但导航/控制代码在Matlab上，所以它必须有一个接口）。

角点检测是SLAM算法的一部分，角落将作为地标。

如果可能，我也希望在速度方面达到接近100Hz的水平（我知道它的Matlab，但我的数据集非常小。）

示例数据：

[蓝色是原始数据，红色是我需要检测的。 （这种观点实际上是自上而下的。）]

[Actual vector data from above shots]

到目前为止，我尝试了许多不同的方法，有些方法比其他方法更成功。 我从未正式研究过任何形式的机器视觉。

我的第一种方法是自制的最小二乘线装配工，它会将线条分成两半，直到它们满足一些r ^ 2值，然后尝试合并具有相似斜率/截距的线条。然后它将计算这些线的交叉点。它不是很好，但是在70％的时间里都能以相当的准确度工作，尽管它有一些完全缺少某些功能的坏问题。

我当前的方法使用clusterdata函数根据马哈拉诺比斯距离对我的数据进行分段，然后基本上做同样的事情（最小二乘线拟合/合并）。它工作正常，但我假设有更好的方法。

[Source Code to Current Method] [cnrs, dat, ~, ~] = CornerDetect(data, 4, 1)使用上述数据会产生我所获得的位置。

我不需要从头开始编写，看起来大多数高级方法都适用于2D图像或3D点云，而不是2D散射数据。我已经阅读了很多关于Hough变换和各种数据聚类方法（k-Means等）的内容。我也尝试了一些罐装线探测器而没有太大的成功。我尝试使用Line Segment Detector但它需要一个灰度图像作为输入，我认为将我的矢量转换为完整的2D图像以将其输入到像LSD这样的东西中会非常慢。

非常感谢任何帮助！

Answer 1

我认为这是一个找到在多个尺度上稳定的曲率极值的问题 - 而你用线条提示的拆分和合并方法暗示了这一点。

Answer 2

您可以使用哈里斯角探测器探测角落。