3D数据中机器人定位的地平面检测和去除答案

【问题标题】：Ground plane detection and removal for the localization of robot in 3D data3D数据中机器人定位的地平面检测和去除
【发布时间】：2017-07-27 22:38:21
【问题描述】：

我正在使用SACSegmentation from PCL segmentation module 来过滤掉地平面。

该方法是拟合 3D 对象的前表面，而不是拟合地平面，如下面的 2nd pcd 文件所示。

任何建议我应该怎么做才能适合和过滤地平面点。

提前致谢。

pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);

pcl::SACSegmentation<pcl::PointXYZ> segmentation;

segmentation.setInputCloud(cloudAll);

segmentation.setOptimizeCoefficients(true);

segmentation.setModelType(pcl::SACMODEL_PLANE );

segmentation.setMethodType(pcl::SAC_RANSAC );

segmentation.setDistanceThreshold(20.20);

Scene*.PCD

After the ground plane segmentation

afterApplyingPassthrough

【问题讨论】：

请将图片添加到您的帖子中，有些人（比如我）可能无法通过公司防火墙访问它们；此外，您的链接可能有一天会损坏。

标签： 3d computer-vision point-cloud-library point-clouds ransac

【解决方案1】：

问题是Ransac 找到适合更多点的平面，在您的点云中对应于前表面。

如果您对表示点云的场景和坐标系有一定的了解，您可以轻松地解决以下问题：

使用 PCL 的 PassThrough filter 仅选择高于您选择的 y 值的点云点。

这里我假设y 表示给定点云坐标系中的垂直轴。

此阈值应基于您对场景尺寸的了解。

根据您的点云，您应该选择带有y > 200 的点。

你的点云：

只选择带有y > 200的点：

像您一样执行分割，但这次只使用选定的点子集。

这是使用所选点正确拟合平面的可视化：

【讨论】：

太棒了！非常感谢。你的帖子真的很有用。由于我的主要目标是获取 3D 对象/容器的中心点/质心，如果您查看最近发布的 *.pcd 文件（afterApplyingPassthrough），我仅使用 passthroughfilter 来丢弃地板点和轮子，假设与地板的偏移总是众所周知的。如上 *.pcd 所示应用直通后。您推荐哪种方法用于中心点？
我试图计算剩余对象的质心（没有地板点和轮子） 1） pcl::compute3DCentroid(*cloudExtracted, centroid) 返回 xyz(44.0321, -300.226, 1616.87) 另一个想法是找到剩余对象的 2) 边界框。还有一个问题，您使用的是哪种开发环境。看起来不错（eclipse、VStudio 等）
@2017_John 我认为您应该将中心点问题作为新的 S.O.问题以便其他人可以阅读并回答；不仅是阅读这篇文章的人。我很乐意在这里回答，但我认为一个新问题更符合 S.O.工作。
为了使用点云，我使用：my own python library（我仍在设计 api，因此还没有为您的用户准备好）、PCL 和CloudCompare。 CloudCompare 是以非编程方式处理点云的最佳选择。