k = boundary(x,y,z)https://ww2.mathworks.cn/help/matlab/ref/boundary.html#d123e105000
在上一节已经看到,由于某些不在近似平面附近的杂点影响,边界搜索出错
为了消除此类影响,需要重新规划基准平面进行分步投影降维。
最小二乘法平面拟合
最小二乘拟合平面的原理,即为将我们现有的所有数据点
获得平面方程后,我们可以进行两次投影,其一,由原点投影至平面方程的黄色点,此时所有点都处于平面方程上。其二,黄色点对平面xoy进行投影,此时的最终红色投影点处于水平面上,这类点的边界仍然是关联到蓝色原点的边界的。
如图,相对于直接对xoy平面进行投影,通过二次投影而实现的数据降维能够明显减小特异点云造成的降维误差。
关于三维点平面回归的做法已经有很多,再此就不再赘述平面方程的计算方法了。
点面投影参考:
逻辑流
1.原点云平面拟合得到方程:Ax+By+Cz+D=0;
2.原点对平面方程进行投影,获得处于平面的投影点云;
3.砍掉z轴坐标并使用k = boundary(x,y,s)搜索边界;
4.通过边界索引查询平面的投影点云的边界。
代码matlab
注意,此处输入的点云文件为处于同一平面上的三列坐标点云txt文件
clear all;
close all;
A=load('..\拟合平面整体投影.txt')
x = A(:,1)
y = A(:,2)
z = A(:,3)
k = boundary(x,y,0.8);
hold on;
K = A(k,:)
figure(1)
plot(x(k),y(k),'.');
figure(2)
scatter3(A(:,1),A(:,2),A(:,3),'.')
hold on
scatter3(K(:,1),K(:,2),K(:,3),'*')
hold on
scatter3(K(1,1),K(1,2),K(1,3),'o')
其中,小图为在xoy平面投影使用k = boundary(x,y,s)搜索边界,大图为通过边界索引查询平面的投影点云的边界。
精确度上来看0.5m的距离上有20到30个边界点了,边界点云请查询工作区: