基于OpenCV的LiDAR地图图像直线规整化处理技术问询

图像说明 #

• 初次处理后的LiDAR地图：
  
  该图像是LiDAR传感器生成的地图经初次处理后的结果，存在大量凹凸不平区域，边缘并非标准直线。

• 目标规整样式：
  
  希望将处理结果调整为该图像所示的规整样式。

• LiDAR原始地图：
  
  这是LiDAR扫描得到的原始地图图像。

问题描述 #

尝试使用Hough Line（霍夫直线）算法处理，但效果不理想，希望找到一种可适配多种场景的通用处理方法。

现有处理代码 #

import numpy as np
import math
import cv2

def get_dist(pt1, pt2):
    return math.hypot(pt1[0]-pt2[0], pt1[1]-pt2[1])
def reorderPts(pts):
    idx = np.lexsort((pts[:, 1], pts[:, 0]))
    pts = pts[idx]

    if pts[0, 1] > pts[1, 1]:
        pts[[0, 1]] = pts[[1, 0]]

    if pts[2, 1] < pts[3, 1]:
        pts[[2, 3]] = pts[[3, 2]]

    return pts

def solve(src):
    H, W = src.shape[:2]
    dst = src.copy()

    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    _, bin = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    bin = cv2.erode(bin, np.ones((5, 5)))

    cv2.floodFill(bin, np.zeros((H+2, W+2), np.uint8), (0, 0), 0)
    bin = cv2.medianBlur(bin, 7)

    nonRectArea = bin.copy()
    cv2.floodFill(nonRectArea, np.zeros((H+2, W+2), np.uint8), (W//2, H//2), 0)
    bin[np.where(nonRectArea == 255)] = 0

    contours, _ = cv2.findContours(bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    rect = cv2.minAreaRect(contours[0])
    box = cv2.boxPoints(rect)
    box = np.int0(box)
    cv2.drawContours(dst, [box], 0, (0, 255, 0), 1)

    srcQuad = reorderPts(box.reshape(4, 2).astype(np.float32))
    dw = int(get_dist(srcQuad[0], srcQuad[3])*2)
    dh = int(get_dist(srcQuad[0], srcQuad[1])*2)
    dstQuad = np.array([[0, 0], [0, dh], [dw, dh], [dw, 0]], np.float32)
    pers = cv2.getPerspectiveTransform(srcQuad, dstQuad)
    dst = cv2.warpPerspective(src, pers, (dw, dh))

    gray = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
    thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, np.ones((25, 25)))

    lines = cv2.HoughLinesP(thresh, 0.8, np.pi/180, 80, minLineLength=30, maxLineGap=100)
    w, h = dst.shape[:2]
    mask = np.zeros((w, h), dtype=np.uint8)
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(dst, (x1,y1), (x2, y2), (0,255,0), 3)
        cv2.line(mask, (x1,y1), (x2, y2), 255, 3)

    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((7, 7), dtype=np.uint8))
    thresh = cv2.bitwise_and(thresh,thresh,mask=~mask)
    thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, np.ones((9, 9), dtype=np.uint8))

    cv2.imshow("src", src)
    cv2.imshow("dst", dst)
    cv2.imshow("thresh", thresh)
    cv2.waitKey()

src = cv2.imread('map.png')
solve(src)

代码运行结果 #

• 结果图1：
  
• 结果图2：
  

解决方案建议 #

针对LiDAR地图的规整化需求，推荐以下几种通用处理思路：

1. 轮廓多边形逼近
   用cv2.approxPolyDP对提取的轮廓做多边形逼近，设置合适的精度（epsilon值取轮廓周长的0.01~0.05倍），直接将不规则轮廓拟合为四边形。之后通过透视变换把拟合区域映射成标准矩形。
   示例片段：

   contours, _ = cv2.findContours(bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   cnt = contours[0]
   epsilon = 0.02 * cv2.arcLength(cnt, True)
   approx = cv2.approxPolyDP(cnt, epsilon, True)
   if len(approx) == 4:
       # 后续透视变换处理逻辑
   

2. 形态学优化+直线拟合
   在现有形态学处理基础上，先用大尺寸闭运算填充凹凸区域，提取边缘后用RANSAC直线拟合工具获取规整边缘直线，最后根据拟合直线生成标准地图。

3. 栅格地图区域规整
   将LiDAR地图转为栅格地图，通过连通区域分析识别可通行区域，再对该区域做最小矩形包围，或用膨胀-腐蚀操作把不规则边缘平滑为直线，最终生成规整栅格地图。

这些方法先去除噪声和凹凸干扰，再通过几何拟合或形态学操作实现规整化，比单纯霍夫直线检测鲁棒性更强，适配更多LiDAR场景。

内容的提问来源于stack exchange，提问作者MobileRobotics