三维空间边界点排序+机器人轨迹引导

• 一、前言
• 二、思路一：利用重建思路
• 三、思路二：利用PCL边界提取方法+三维空间点排序
• 四、后续

一、前言

下面以随机一片点云为例，如图所示，我们需要做出如下操作：

1）准确提取边界
2）空间点排序，并按照顺时针或逆时针发送至机器人

二、思路一：利用重建思路

1、原理

1）重建效果：
如图所示，虽然进行了三角重建，但是重建算法依旧重建错误，误把边界点当成内部点，此时需要进行重建优化。

2）优化策略：我们根据重建后的网格可以得出，错误的三角面片与正确的三角面片往往几何差异巨大，比如边界，面片面积等；
据此，我们设计一个几何特征过滤器，将差异化的面片进行滤除。过滤器选择依据自己点云特征。最终加上几何特征过滤器后重建结果，可以看出，效果非常优越。

3）边界提取：根据上述原理，进行边界提取，效果如下：

4）顺序提取：我们通过重建提取出边界点后，同样可以根据半边数据结构进行空间点排序，具体原理不做详细描述了。最终效果图如3所示
3、实现效果

三、思路二：利用PCL边界提取方法+三维空间点排序

1、原理

2、实现步骤

1）边界提取：采用pcl中常见的几种边界提取方法，效果如下：
1）基于法线：参数（30，30，2）——单纯记录一下，以防后续需要。

2）滚球法：效果不行，可能参数不行，后续试试cgal中相关算法。

2）聚类分割：通过聚类分割即可分割出相应的内边界与外边界。

3）空间点排序：参考二维边界点云顺序（逆向）排序，点云侠——二维边界点排序。结果如3所示。此方法针对局部变化明显的地方会存在误判，仍需注意。

3、实现效果

内边界

外边界

其他数据

四、后续

后续还需要将此位置信息发送至机器人，引导机器人轨迹优化。但目前边界点并不是均匀点，仍需要进行均匀化采样，此步暂且不提。

代码后续补充到《点云算法处理》，over！！！！