在障碍物(如建筑物)轮廓提取之后,为了防止机器人运行过程中与障碍物碰撞,一般将障碍物轮廓外扩指定的距离(即安全缓冲距离)。用cv::findContours()可以轮廓提取,然后对轮廓进行cv::approxPolyDP()多边形近似,用尽可能少的顶点构成的多边形来近似描述轮廓。
参考:折线平行线的计算方法
https://blog.csdn.net/happy__888/article/details/315762
给定一个简单多边形,多边形按照顺时针或者逆时针的数许排列
内部等距离缩小或者外部放大的多边形,实际上是由距离一系列平行已知多边形的边,并且距离为L的线段所构成的。
外围的是原多边形,内侧是新的多边形
算法构造
多边形的相邻两条边,L1和L2,交于Pi点
做平行于L1和L2,平行线间距是L的,并且位于多边形内部的两条边,交于Qi
我们要计算出Qi的坐标
如图,
PiQi向量,显然是等于平行四边形的两个相邻边的向量v1和v2的和的
而v1和v2向量的方向,就是组成多边形的边的方向,可以用顶点差来表示
v1和v2向量的长度是相同的,等于平行线间距L与两个线段夹角的sin值的除法。
即: Qi = Pi + (v1 + v2)
Qi = Pi + L/sinθ * ( Normalize(v2) + Normalize(v1))
sin θ = |v1 × v2 | /(|v1|*|v2|) = |v1 × v2 |
计算步骤:
⑴、获取多边形顶点数组PList;
⑵、计算DPList[Vi+1-Vi];
⑶、单位化NormalizeDPList,得到NDP[DPi];(用同一个数组存储)
⑷、sinα = Dp(i+1) X DP(i);
⑸、Qi = Pi + d/sinα (NDPi+1-NDPi)
⑹、这样一次性可以把所有顶点计算完。
注意,交换Qi表达式当中NDPi+1-NDPi的顺序就可以得到外部多边形顶点数组。
用Swift实现的代码如下,在playground可直接运行
import Foundation
class Point2D {
var x:Double =0
var y:Double =0
init(_ x:Double,_ y:Double){self.x=x;self.y=y}
init( point:Point2D){x=point.x;y=point.y}
}
func + (left:Point2D, right:Point2D)->Point2D {return Point2D(left.x+right.x, left.y+right.y)}
func - (left:Point2D, right:Point2D)->Point2D {return Point2D(left.x-right.x, left.y-right.y)}
func * (left:Point2D, right:Point2D)->Double {return left.x*right.x + left.y*right.y}
func * (left:Point2D, value:Double )->Point2D {return Point2D(left.x*value, left.y*value)}
// 自定义的向量差乘运算符号,
infix operator ** {}
func ** (left:Point2D, right:Point2D)->Double {return left.x*right.y - left.y*right.x}
var pList = [Point2D]() // 原始顶点坐标, 在initPList函数当中初始化赋值
var dpL