基于已知原始模板的粘连同类型包裹轮廓分割方案问询

这是我首次发帖，欢迎各位提出反馈意见！

我正在研发一套基于深度的视觉系统，需检测单一类型的包裹，并获取以下信息：

• 包裹在世界坐标系下的中心坐标(p_x, p_y) [mm]
• 包裹的朝向angle [deg]，范围为[-90, +90]度

已实现功能 #

通过高度阈值化（仅保留满足distance < distanceToConveyor的像素）及OpenCV的cv2.minAreaRect函数，结合已知的angle = 0朝向时的包裹尺寸，我已实现分离状态下包裹的朝向检测：

包裹分离时的理想输出示例（当abs(angle) > 45时标记为红色）

注：通常传送带上同一时间仅有一种类型的包裹，此处使用多种类型仅为展示可能处理的包裹类型。

待解决场景 #

我的问题聚焦于多个包裹轮廓粘连形成单一轮廓的场景：
在此情况下，我希望基于已知的原始包裹深度图像模板，将该 blob 分割为n个原始包裹。

假设我已获知该大 blob 包含的包裹数量（nBoxes = round(nPixelsInContour/nPixelsInTemplate)），如何高效获取这n个包裹的中心位置及朝向？

我的初步思路是使用模板匹配，生成有限数量的旋转模板（例如每10度旋转一次），并在定向边界框内找到Top N匹配结果。但该方法计算成本较高，且考虑到额外已知条件：(1)大 blob 中的包裹数量；(2)包裹为刚性且仅相互接触（几乎无重叠），我认为应有更简便的方案。

因此，我的核心问题是：
已知所有包裹类型相同且拥有该包裹的模板时，如何将包含N个粘连包裹的轮廓分割为单个包裹？

内容的提问来源于stack exchange，提问作者Vincenzo