快速找到点云中的特定形状

Question

我有一个点云，并希望在我的代码中检测到某些点模式的出现。

假设我在3d空间中有1000个点，并且我想要检测形成“L”形状的3个点的所有实例，其中L的每个段具有特定长度。点云可能没有完全匹配，但可能非常接近（即在点云中，“L”段的长度可能比理想值略长/短）

我最初的想法是这样的：

1. 记录我们试图检测的形状中所有点之间的距离
2. 创建一个空的'潜在形状'
3. 对于我们潜在形状中的每个点，检查在第1部分中找到的距离处/附近的所有点。
4. 如果我们找到一个点，将它添加到我们的潜在形状，并重复第3部分，直到我们得到所有点。然后检查点之间的角度以验证形状确实是正确的。如果不正确，我们将继续下一步并重新开始

问题是这种方法的运行时间最糟糕。理想情况下，我希望有一些数据结构来加速我的查询'查找距离给定点之间的distanceMin和distanceMax之间的所有点。有人能指出一些可能有用的有用数据结构。

我正在考虑将所有点放在八叉树中以加快访问时间。

关于如何改善运行时间的其他建议？启发式的启发式方法？

注意：我想要找到的形状是可变的。他们不会总是'L'。我尝试查看霍夫变换，但它们似乎只对检测特定的预定形状（如线/圆）很有用。

Answer 1

在PCL库中有 Sample consensus 模块，直接引用文档：

  

拥有像RANSAC这样的SAmple Consensus（SAC）方法以及平面和圆柱等模型。这些可以自由组合，以便在点云中检测特定模型及其参数。

也许您可以创建一些组合这些基元的形状并在云中搜索它们。