Question

我一直在使用PCL（点云库）对PCD（点云数据）文件中的墙进行检测。 PCD文件已通过深度摄像头生成。我发现在许多类似的应用程序中楼层检测，已使用RANSAC。因此，我想到也要在这里应用RANSAC，并尽力理解了RANSAC，但我仍然有一些与我的应用有关的问题：

简而言之，RANSAC尝试删除给定数据中的离群值，并通过模型迭代地对离群值进行概括。因此，在地板检测的情况下，是否会将与其他对象对应的其余点云视为离群值，而将地板视为离群值？墙壁也一样吗？
根据PCL的Plane model segmentation tutorial，RANSAC给出模型平面的系数，即a，b，c和d在平面方程中：a*x + b*y + c*z + d = 0至coefficients->values向量。因此，我假设在检测墙壁的情况下，它将尝试给出与墙壁相对应的平面方程。但是，如果深度摄像头位于房间的一角并且墙壁的顶视图看起来像这样：

墙1
______________
|
|
|墙2
|
|

那么，在这种情况下，最终的模型平面是什么样的？会是斜边的（三角形）吗？

墙1
---------------------
|
|墙2
|
----------------------
墙3

即使在这种情况下，它仍然是什么样？

根据PCL的Extracting indices from a PointCloud tutorial，ExtractIndices <pcl::ExtractIndices>过滤器用于根据分段算法输出的索引从点云中提取点的子集。但是，此过滤器到底在做什么？实际上，在地板检测或墙壁检测的情况下（假设只有一个直墙），RANSAC已经给出了一个平面的方程。那么，有没有必要使用该过滤器？如果是，那为什么以及如何？
在以下情况下如何检测多个墙壁？ ExtractIndices <pcl::ExtractIndices>过滤器可以做到这一点吗？如果是，那怎么办？

墙1
---------------------
|
|墙2
|
----------------------
墙3

如果您认为有比使用RANSAC更好的方法，请告诉我。

Answer 1

回答您提出的几个问题：

据我所知，在使用平面模型的情况下，RANSAC从云中随机选择3个点，并将其视为一个平面。（这是一个临时声明，稍后将予以证实）所有更接近的点到这个平面，作为垂直距离的给定阈值被认为是内点。该算法返回包含其中最多点的平面（找到的平面还取决于您选择的迭代次数，如果它太低可能会错过最大的平面）。在墙壁的情况下，故事是一样的。可以搜索飞机，但要选择好搜索方向。墙壁随意地垂直于平面 x-y。应该考虑到这一点来设置参数。示例：

pcl::SACSegmentation<pcl::PointXYZI> seg;
Eigen::Vector3f axis;

//HELPER VARIABLES
float angle = 12.0;
void set_segmentation(float threshold, int max_iteration, float probability) {
    seg.setModelType(pcl::SACMODEL_PERPENDICULAR_PLANE);
    seg.setMethodType(pcl::SAC_RANSAC);
    // set cloud, threshold, and other paramatres
    seg.setDistanceThreshold(threshold);//Distance need to be adjusted according 
    to the obj
    seg.setMaxIterations(max_iteration);
    seg.setProbability(probability);
}  
PlaneSegment(float x, float y, float z, float set_angle, float threshold, int 
max_iteration, float probability) {
    axis = Eigen::Vector3f(x, y, z);
    angle = set_angle;
    seg.setAxis(axis);
    seg.setEpsAngle(angle * (3.1415 / 180.0f));
    //SET SEGMENTATION
    set_segmentation(threshold, max_iteration, probability);
}
pcl::PointIndices::Ptr segment_plane(pcl::PointCloud<pcl::PointXYZI>::Ptr cloud, 
pcl::PointIndices::Ptr inliers) {
    seg.setInputCloud(cloud);
    seg.segment(*inliers, *coefficients);
    if (inliers->indices.size() == 0)
    {
        PCL_ERROR("COULD NOT ESTIMATE PLANAR MODEL.\n");
        exit(-1);
    }
    return inliers;
}

pcl::PointCloud<pcl::PointXYZI>::Ptr 
extraction(pcl::PointCloud<pcl::PointXYZI>::Ptr cloud, pcl::PointIndices::Ptr 
inliers) {
    extract.setInputCloud(cloud);
    extract.setIndices(inliers);
    extract.setNegative(true);
    extract.filter(*cloud);
    return cloud;
}

您可以设置接受角，在本例中为 12 度，也可以设置基于轴的搜索方向。

关于你的第二点：

如果有多个墙，它会返回包含最多点的墙。但是，如果需要，您也应该能够提取其他平面。（建议，保存所有包含的点数超过您选择的阈值的平面）我检查了你的问题，这也是一个解决方案：pcl::RANSAC segmentation, get all planes in cloud?。第一条评论给出了很好的答案。

第三点：

检查示例代码。注意，这是一个类，所以这就是为什么有一个构造函数。 segment_plane 函数返回内点。基于此，您可以调用提取函数，它会从云中删除内点。这是一个非常简单和快速的灵魂。您可以避免系数值的痛苦。此外，如果您不想删除它们，只需通过迭代内点为它们着色并将其强度设置为选定的值。

RANSAC 算法可以很健壮，但有时它确实不起作用。由于迭代次数的原因，它也可能很慢。有多种方法可以用另一种方式解决这个问题。举个例子：考虑云下面的网格。许多大小相同的方形单元格。在每个单元格中，您检查最小和最大点高度。基于此，您可以获得地平面（如果这些值略有不同，并且彼此接近。在地单元的情况下，最大高度和最小高度的差异非常小）或墙壁。对于墙壁，您可以假设点在每个单元格中分布均匀，并且最大值 - 最小值的差异很高。最好的问候。

使用PCL和RANSAC进行墙体检测

1 个答案: