少有人走的路

• 对于三维测量的套路，都是将图像转成二维进行测量和处理
  

• 我仍然以这个开关检测项目为例，开关点云有x,y,z，三个空间坐标

• 如果对这个三维点云直接处理，有一个思路我提供给大家，将点云模型完全调平，然后针对x,y,z其中一个坐标进行测量，其实这种思路也是将三维图转为平面。

一.点云图转深度图+点云滤波

• 本篇着重讲解如何将点云模型转为深度图的思路。
  1.将点云模型拆分成x,y,z三个数组，这里的数据可以自动清空，具体请补充一下数据存储，堆和栈的内容。
  2.这里提出一个手法，将点云数据拆分成三个数组之后，有很多点事有小数位的，这里为了提高精度，会把数组中的坐标乘以10或100，视情况而定，如此图像的细节会更加清晰，可以理解为拉伸图像。

        x:=point_coord_x1*10
        y:=point_coord_y1*1012

3.之后观察调平的点云，以x,y为Row和Column,z为灰度值，建立深度图。此时可以将图像当成二维图像处理。

4.细心地朋友可能会发现，这个生成的深度图是有孔洞的。这与物料的反光或者遮挡有关，如下是缺失点云数据的点云模型。

如下是缺失点的深度图

5.刚说到，可以对深度图运用二维的处理，这里分别运用中值滤波，高斯滤波，均值滤波对图像进行处理，填充孔洞。

二.断线拟合

• 这里讲的是二维的处理手法

• 有时候直接调用提取边缘的算子呢，提取出的边缘线存在断线，或交叉线，对于边缘拟合造成了很大的麻烦，这里点出断线拟合的思路。
  
  1.将线段打散成点
  2.对点基于行或列排序

• 注意这里排序很重要，不排序拟合直线时会出现交叉点
  

• 排序后效果图
  

3.拟合线

  edges_sub_pix (ImageReduced1, Edges1, 'canny', 1,5, 25)
        count_obj (Edges1, Number1)
          for Idle:=1 to  Number1  by 1
           select_obj (Edges1, EdgeContour, Idle)
           *把线变为点           
           get_contour_xld(EdgeContour, RowS,ColumnS)
            Row1:=[Row1,RowS]
            Column1:=[Column1,ColumnS]
        endfor
        tuple_sort_index (Row1, Indices)
        tuple_length(Row1,Length)
        NewRow:=[]
        NewColumn:=[]
        if(Length>=1)
          *方法1
          NewRow:=subset(Row1,Indices)
          NewColumn:=subset(Column1,Indices)

转载自：

https://blog.csdn.net/weixin_41405284/article/details/107556168

本文出自勇哥的网站《少有人走的路》wwww.skcircle.com，转载请注明出处！讨论可扫码加群：