【仓库物资识别】六、找出装载车货物的中心点

需求：从雷达中获取z和x轴左边，利用雷达分辨率角度计算每点y，构成完成的三维坐标。利用z轴坐标进行灰度值转换，将三维坐标转换成二维坐标（灰度图），然后二值化、闭运算、查找轮廓、计算图像矩以及中心点

找出一辆装载车中12个线缆的二维坐标中心点

原始点云：

转为灰度二维图像：

二值图：

形态学滤波：闭运算

查找轮廓、图像矩：

中心点像素坐标以及对应空间坐标：

查找中心点部分步骤代码：

    //查找轮廓
	vector<vector<Point>> contours;  //存放轮廓
	vector<Vec4i> hierarchy; //存放每个轮廓的拓扑信息
	findContours(srcImage, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);
	
	//计算每个轮廓对象的矩
	vector<Moments> mu(contours.size());  //存储每个轮廓对象的矩
	for (size_t i = 0; i < contours.size(); i++)
	{
		mu[i] = moments(contours[i], false);  //每个轮廓存入每个矩中，第一个参数是二维数组，存放每个轮廓的二维点
	}

	//计算图像的质心
	vector<Point2f> mc(contours.size());  //存储每个矩的中心点
	for (int i = 0; i < contours.size(); i++)
	{
		mc[i] = Point2f(mu[i].m10 / mu[i].m00, mu[i].m01 / mu[i].m00);
	}
	cout <<"查找的轮廓数量为： " <<contours.size() << endl;
	//绘制轮廓
	RNG rng(12345);
	Mat dstImage = Mat::zeros(srcImage.rows, srcImage.cols, CV_8SC3);
	cout << "目标矩形的中心点像素坐标为：" << endl;
	vector<MYPOINT2> POINT2;
	for (int i = 0; i < contours.size(); i++)
	{
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(dstImage, contours, i, color, 2, 8, hierarchy, 0, Point());
                //根据矩形像素面积的大小，去掉查找到的错误矩形
		if ((contourArea(contours[i]) > 6000) && (contourArea(contours[i]) < 8000))
		{
			MYPOINT2 P;
			circle(dstImage, mc[i], 4, color, -1, 8, 0);
			P.i = mc[i].x;
			P.j = mc[i].y;
			POINT2.push_back(P);
			cout << mc[i] << endl;
		}
	}
        //为了方便比较，创建中心像素点数组和结构体数组，遍历比较
        //得出中心像素点所对应的三维坐标
	for (int i = 0; i < POINTS.size(); i++)
	{
		for (int j = 0; j < POINT2.size(); j++)
		{
			if ((POINTS[i].I == POINT2[j].i) && (POINTS[i].J == POINT2[j].j))
			{
				cout << "中心点像素为： " << POINT2[j].i << " " << POINT2[j].j <<
					"	该点像素在空间中对应的坐标为 ：" << POINTS[i].X << "  "
					<< POINTS[i].Y << " "
					<< POINTS[i].Z << endl;
			}
		}
	}

已经完成老大布置的任务其中一小部分了，下面就是求装载车的车高。