许多问题涉及从深度生成法线或从法线生成深度，但是我想问一个简单的方法，即根据图像的深度和法线生成所有平面。
我已经掌握了图像中每个像素的深度和法线。对于每个像素(ui, vi)，假定我们可以将(xi, yi, zi)作为深度和法线向量zi来获得其3D坐标(nix, niy, niz)。因此，一个唯一的切平面定义为：nix(x - xi) + niy(y - yi) + niz(z - zi) = 0.然后，对于每个像素，我们可以通过上述方程式定义一个唯一的平面。
查找f这样的函数f(u, v) = (x, y, z)（从像素到3D坐标）的常见做法是什么？针孔模型（加上深度数据）是一种有效且准确的模型吗？
一个人如何有效地生成所有平面？一种方法是遍历图像中的所有像素并找到所有平面，但这似乎是无效的方法。
答案 0 :(得分：0)
如果是针孔模型
确保3D数据不会因投影而失真。
按常规分组您的积分
根据点数/标准精度，这是容易还是困难。只需按法线对点进行排序即可得出O(n.log(n))，其中n是点数。
在单个正常组中按平面进行测试/分组
想法是从组计算平面中选择3个点，并测试该组的哪些点属于它。如果计数太低，则会选择错误的点（不属于同一平面），并且需要选择不同的点。另外，如果拾取的点太靠近每条线或同一条线，则无法从中获得正确的平面。
飞机的数学函数是：
x*nx + y*ny + z*nz + d = 0
其中(nx,ny,nz)是该组的法线（单位矢量），而(x,y,z)是您的点位置。因此，您只需从一个已知点（所选择的d之一）中计算(x0,y0,z0) ...
d = -x0*nx -y0*ny -z0*nz
然后测试哪些点满足此条件：
threshod=1e-20; // just accuracy margin
fabs(x*nx + y*ny + z*nz + d) <= threshod
现在从组中删除匹配的点（将它们移动到找到的平面对象中），然后在其余点上再次应用此项目符号，直到它们的计数较低或找不到有效的平面...
然后测试另一组，直到没有剩余的组...
我认为 RANSAC 可以加快处理速度，以免在这种情况下出现暴力行为，但我自己从未使用过，所以google ...
答案 1 :(得分：0)
一种可能的平面处理方法是考虑法向矢量集并对它们进行聚类（例如，通过k均值）。然后，每个簇可以对应于几个平行表面。通过评估与原点的距离（一个标量函数），可以形成将这些表面分开的子簇。最后，等距的点可以属于不同的共面面片，可以通过连接的组件标签将其分开。
可能同时在法向矢量和距离上聚类（因此在4D空间中）会产生更好的结果，并且更简单。确保将向量归一化。另一种选择是仅通过两个参数（例如球面角）来表示矢量，但这将导致非常不均匀的映射，并产生相位包裹问题。