Question

我有一个带点的二进制图像，我使用OpenCV的goodFeaturesToTrack获得，如Image1所示。

我想在其上放置一个4 * 25点的网格，例如Image2上显示的网格（图像上并非所有点都可见，但它是一个常规的4 * 25点矩形）。

我的4 * 25点模型网格参数化为： 1 - 左上角的位置 2 - 矩形与地平线的倾斜度下面的代码显示了构建这样一个模型的函数。

这个问题似乎接近棋盘角落的问题。

我想知道如何使我的模型云点适合输入图像并获得云的位置和角度。我可以很容易地测量两个图像之间的距离（输入一个和模型网格上的一个），但我想避免检查图像上的每个像素和角度，以找到这个距离的最小值。

def ModelGrid(pos, angle, shape):

    # Initialization of output image of size shape
    table = np.zeros(shape)

    # Parameters 
    size_pan = [32, 20]# Pixels
    nb_corners= [4, 25]
    index = np.ndarray([nb_corners[0], nb_corners[1], 2],dtype=np.dtype('int16'))
    angle = angle*np.pi/180

    # Creation of the table
    for i in range(nb_corners[0]):
        for j in range(nb_corners[1]):
            index[i,j,0] = pos[0] + j*int(size_pan[1]*np.sin(angle)) + i*int(size_pan[0]*np.cos(angle))
            index[i,j,1] = pos[1] + j*int(size_pan[1]*np.cos(angle)) - i*int(size_pan[0]*np.sin(angle))

            if 0 < index[i,j,0] < table.shape[0]:
                if 0 < index[i,j,1] < table.shape[1]:
                    table[index[i,j,0], index[i,j,1]] = 1

    return table

Answer 1

我找到的解决方案效果相对较好，如下：

首先，我创建一个所有正像素的位置索引，只是通过图像。我将这些像素称为角落。

然后我使用此索引计算平均倾斜角度：对于每个角落，我寻找在某些区域足够接近的其他角落，以定义十字架。我管理，为每个像素找到直接位于其左侧，右侧，顶部和底部的像素。我使用这个十字来计算倾斜角度，然后使用所有获得的倾斜角度的中值作为我的模型点网格的角度。

一旦我有这个角度，我只需使用这个角度和每个角落的位置建立一个桌子。优化功能测量两个图像上的重合像素数，并返回最佳位置。

这种方式适用于大多数示例，但返回的“最佳位置”必须是其中一个角，这并不意味着它对应于最佳位置...主要是如果网格的左上角缺少角落的云。

如何在随机点云上拟合点网格

1 个答案: