我正在尝试检测数据的 2D 散点向量中的角点(x/y 坐标)。
数据来自激光测距仪,我们当前的平台使用 Matlab(虽然独立程序/库是一个选项,但导航/控制代码在 Matlab 上,因此它必须有一个接口(interface))。
角点检测是 SLAM 算法的一部分,角点将作为地标。
如果可能的话,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。 (此 View 实际上是自上而下的。)]
[ Actual vector data from above shots ]
到目前为止,我已经尝试了许多不同的方法,其中一些比其他方法更成功。 我从未正式研究过任何类型的机器视觉。
我的第一个方法是自制最小二乘线拟合器,它会重新将线分成两半,直到它们遇到某个 r^2 值,然后尝试合并具有相似斜率/截距的线。然后它会计算这些线的交点。它不是很好,但确实在大约 70% 的时间内以不错的准确性工作,尽管它存在一些完全缺失某些功能的严重问题。
我目前的方法是使用 clusterdata
函数根据马哈拉诺比斯距离分割我的数据,然后做基本相同的事情(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)
使用上述数据将产生我得到的位置。
我不需要从头开始写这个,似乎大多数高级方法都适用于 2D 图像或 3D 点云,而不是 2D 散点数据。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)的文章。我还尝试了一些 jar 装线检测器,但没有取得太大成功。我试着玩弄 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 LSD 之类的东西会非常慢。
非常感谢任何帮助!
最佳答案
我将其视为寻找在多个尺度下稳定的曲率极值的问题 - 以及您尝试过的拆分和合并方法的线条提示。
关于matlab - 二维矢量数据中的角点检测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20316793/