计算三维数据中机器人定位的中心点

Question

我正在尝试找到一种可靠的方法来计算容器的角点。从这些角点的想法是计算机器人定位的容器的中心点，这意味着计算的中心点将是机器人的目的地，以便挑选容器。为此，我正在寻找任何计算角点的建议，或者可能是直接计算中心点的可能性。到目前为止，PCL库C / C ++用于处理3D数据。 下图是容器的屏幕截图 提前致谢。

afterApplyingPassthrough

Answer 1

我做了以下事情：

• 我将图像二值化（黑色像素= 0，绿色像素= 1），
• 反转图像（黑色像素= 1，绿色像素= 0），
• 用3x3内核N次侵蚀图像并用相同的内核M次扩张。

左：N = 2，M = 1;右：N = 6，M = 6

之后：

• 我计算了所有非零区域的轮廓和
• 删除了包围整个图像的轮廓。

这是剩下的轮廓：

我不知道你的情况下“典型”的输入图像是怎样的。由于我只能访问一个样本图像，我宁愿不推测适合您的“一般解决方案”。但要解决这种特殊情况，您可以通过以下方式分析每个轮廓：

• 计算最适合轮廓的旋转矩形（需要类似minAreaRect from OpenCV的东西）
• 计算矩形和轮廓内部区域
• 如果轮廓区域与旋转的边界矩形区域之间的差异很小，则轮廓具有近似矩形的形状
• 找到既是矩形又满足其他条件的轮廓（例如：容器的典型区域）。假设这属于容器并计算其中心。

我并不是说这是一个在现实场景中运行良好的解决方案。它也不快。您应该将其视为“草图”，以显示如何提取一些有用的信息。

Answer 2

我认为车轮保持推车与地板的距离已知，您可以识别地板。过滤掉距离地面太近的所有点（这将除去车轮和除了推车之外的所有点，这将有助于限制数据并简化后续步骤。

如果您隔离购物车，您可以应用简单的平均点（质心），如果不精确，您可以尝试找到隔离车的bounding box（主要方向的最小最小值）和然后取出那个边界框的质心（这应该更精确，但由于顶部手柄仍然需要一个轻微的垂直偏移）。

如果您无法隔离购物车或其他方法效果不佳，您可以尝试使用PCL sample consensus专门使用SACMODEL_LINE。这将是一个涉及的策略，但会给出非常可靠的结果，基本上贯穿并找到每一行并从云中减去其成员，以便找到下一个最佳线。获得4个主要购物车行后，使用其参数查找质心。 *这对于购物车内或购物车上的随机物品以及各种尺寸的推车（假设它们总是具有线性垂直壁）也是强大的