這是老師很久之前給的一篇paperLZ還是有拖延癥到現(xiàn)在才想起來要把這篇paper的一些自己的思考或者說一些理解記錄下來如果有興趣的小伙伴可以看下原文“Fast Plane Extraction in Organized Point Clouds Using Agglomerative Hierarchical Clustering”。1.使用的數(shù)據(jù)按照原文的翻譯是有組織的點云其實這還是對于這個算法來說有所偏頗的在代碼使用的時候只使用了點云部分的深度信息并不包含rgb的信息只是在使用kinect的時候PCL庫直接是以點云的形式把數(shù)據(jù)保存下來的。何為organized point cloud這個在之前學(xué)習(xí)PCL的時候就說過如果點云是可以以2D對3D點云進(jìn)行索引的話這就算是organized point cloud在實際代碼中表現(xiàn)在定義點云大小的時候直接定義點云的height和width一般就是480和640如果是unorganized point cloud一般point cloud 的height定義為1width就是整個點云數(shù)目把kinect采集到的數(shù)據(jù)定義成unorganized的話height 1, width 307200這是沒辦法通過2D進(jìn)行索引的相當(dāng)于把整個點云拉成一條在數(shù)據(jù)利用上缺失了點與點之間的空間信息不利于有些點云的特征的處理。2.參數(shù)設(shè)置的問題文章中有很多人工設(shè)置的參數(shù)不同的參數(shù)對于后續(xù)的平面提取肯定是有影響的而且對于程序運行的精度也會有所影響。原文中提到了幾個閾值的設(shè)定也是偏向于經(jīng)驗值或者參考其他文獻(xiàn)設(shè)定的。當(dāng)然相機內(nèi)參是肯定要的。。。3.算法總體具體的步驟可以參考上圖流程輸入深度相機獲得的深度圖像step1初始化對于輸入的深度圖像進(jìn)行初始化先分成10*10大小的方塊尺寸是人為設(shè)定可自行修改每一塊就相當(dāng)于是圖模型的一個node注意node包含不只一個點。如果出現(xiàn)下面四種情況要把該節(jié)點和對應(yīng)的邊刪除掉節(jié)點的均方誤差高于設(shè)定閾值節(jié)點含有缺失的數(shù)據(jù)節(jié)點包含的深度不連續(xù)節(jié)點在兩個平面的邊界step2層次聚類未完待續(xù)。。。