点云应用——三维空间边界点排序+机器人轨迹引导（1）
三维空间边界点排序+机器人轨迹引导
- 一、前言
- 二、思路一：利用重建思路
- 三、思路二：利用PCL边界提取方法+三维空间点排序
- 四、后续
一、前言
| 最近做了点云边界提取、并实时发送至机器人进行引导的研究，主要遇到了两个问题： 1）点云轨迹如何提取; 2）提取好的轨迹如何按照一定的顺序发送至机器人 |
下面以随机一片点云为例，如图所示，我们需要做出如下操作：
1）准确提取边界
2）空间点排序，并按照顺时针或逆时针发送至机器人
二、思路一：利用重建思路
1、原理
| 针对上述点云，进行三角重建；重建后每两个点形成边，依据半边网格结构，边界上的点形成半边只被共用一次，而内部点形成的边被共用两次。如下所示：边界（1、3）只有一次，边界（1、4）、边界（1、2）被用2次。只要提取出使用一次的顶点信息，即可提取出边界。 |
2、实现步骤
1）重建效果：
如图所示，虽然进行了三角重建，但是重建算法依旧重建错误，误把边界点当成内部点，此时需要进行重建优化。
2）优化策略：我们根据重建后的网格可以得出，错误的三角面片与正确的三角面片往往几何差异巨大，比如边界，面片面积等；
据此，我们设计一个几何特征过滤器，将差异化的面片进行滤除。过滤器选择依据自己点云特征。最终加上几何特征过滤器后重建结果，可以看出，效果非常优越。
3）边界提取：根据上述原理，进行边界提取，效果如下：
4）顺序提取：我们通过重建提取出边界点后，同样可以根据半边数据结构进行空间点排序，具体原理不做详细描述了。最终效果图如3所示
3、实现效果
三、思路二：利用PCL边界提取方法+三维空间点排序
1、原理
| 此方法原理简单，主要分为几个步骤；1）pcl边界提取；2）聚类分割获取边界数量；3）空间点的排序 |
2、实现步骤
1）边界提取：采用pcl中常见的几种边界提取方法，效果如下：
1）基于法线：参数（30，30，2）——单纯记录一下，以防后续需要。
2）滚球法：效果不行，可能参数不行，后续试试cgal中相关算法。
2）聚类分割：通过聚类分割即可分割出相应的内边界与外边界。
3）空间点排序：参考二维边界点云顺序（逆向）排序，点云侠——二维边界点排序。结果如3所示。此方法针对局部变化明显的地方会存在误判，仍需注意。
3、实现效果
内边界
外边界
其他数据
四、后续
后续还需要将此位置信息发送至机器人，引导机器人轨迹优化。但目前边界点并不是均匀点，仍需要进行均匀化采样，此步暂且不提。
代码后续补充到《点云算法处理》，over！！！！
