algorithm - 3D 平面拟合算法

Question

所以我正在做一个项目，我和我的一个伙伴使用 KINECTv2 扫描了一个房间，并用它制作了一个 3D 模型。目标是让实时添加不同种类家具的 3d 模型成为可能。为了这个目标，我正在尝试不同的平面拟合算法，以便找到最快的算法。有人有什么建议吗？到目前为止，我只研究了 PCL 中包含的基本 RANSAC 算法的用法。

Answer 1

我很欣赏 Rethunk 的详细评论，并提供了局部霍夫变换的变体。但首先，让我指出，有一堆关于平面检测或相交平面检测的 stackoverflow/stackexchange 帖子。其中一些是:

Fit a plane to a 3D point cloud in C++

difference between plane segmentation and plane fitting

Plane fitting in a 3d point cloud

Fit a plane to 3D point cloud using RANSAC

Fast plane fitting to many points

https://math.stackexchange.com/questions/1657030/fit-plane-to-3d-data-using-least-squares

Best fit plane for 3D data

我建议的方法在 publication at 3DV 2015 中有详细解释。 :

Local Hough Transform for 3D Primitive Detection, Bertram Drost, Slobodan Ilic, IEEE 3D Vision 2015

这个想法是基于选择两个定向的点对。比较这些点的方向以确定这些点是否共同位于一个平面上。所有这些点对的贡献在局部投票空间中组合，其中平面在 0 维投票空间中参数化(定向点完全确定平面)。该技术可扩展到不同的原语。

RANSAC 通常不如 Hough 变换，但所提出的方法可以看作是全局投票方案和 RANSAC 之间的混合体。虽然 RANSAC 选择多个随机点，足以适合目标基元，但所提出的方法仅选择一个点，即引用点。

我也有 another stackexchange post解释如何可能为正交平面开发一种类似的方法。