デカルト座標でRANSACを使用して線をフィットさせる方法

Question

2Dライダーを使用しており、ライダーの位置に対する角度と距離としてデータを取得しています。 Lidarを使用してフロアプランを作成する必要があり、データは部屋を表す以下のとおりです。部屋の壁を見つけるためにランサックアルゴリズムを使用したいと思います。ランサックに合うことができれば、どういうわけか私はフロアフランを見つけることができたと信じています。コードを書きましたが、壁に適合しません。部屋の壁に合うようにするには、どのような変更を行う必要がありますか？

#(angle, distance) 0,942 0.62,3469 1.25,3350 2.5,3410 3.12,3404 3.75,3403 4.37,3464 5,3441 5.62,3445 6.25,3444 6.87,3455 7.5,3464 8.12,3464 8.75,3477 9.37,3470 10,3504 10.62,3505 11.25,3505 11.87,3516 12.5,3529 13.12,3541 13.75,3543 14.37,3552 15,3559 15.62,3565 16.25,3578 16.87,3591 17.5,3607 18.12,3624 18.75,3634 19.37,3630 20,3651 20.62,3673 21.25,3678 21.87,3697 22.5,3711 23.12,3726 23.75,3744 24.37,3765 25,3780 25.62,3796 26.25,3809 26.87,3830 27.5,3867 28.12,3881 28.75,3854 29.37,3751 30,3689 30.62,3637 31.25,3589 31.87,4029 37.5,3483 50,2734 53.75,1686 54.37,1656 55,1631 55.62,1621 56.25,1608 56.87,1600 57.5,1595 58.12,1598 58.75,1596 59.37,1604 60,1611 60.62,1622 61.25,1644 61.87,1673 65,2212 65.62,2221 66.25,1037 66.87,1299 67.5,2086 67.5,130 83.12,2002 83.75,1995 84.37,1993 85.62,2061 86.25,2043 86.87,2046 87.5,2040 89.37,2082 90,2713 90.62,2245 91.25,2046 93.75,2092 102.5,327 109.37,1349 110,4279 110.62,2177 111.25,2175 111.87,2136 113.12,2151 113.75,2170 114.37,2186 123.12,2066 123.75,2080 124.37,2087 125,2110 125.62,1778 126.25,1732 126.87,428 127.5,1650 128.12,1093 128.75,2206 129.37,2219 130,2243 130.62,2276 131.25,2317 131.87,2319 132.5,2305 133.12,2276 133.75,2253 135,2224 135.62,2202 136.25,2181 136.87,2156 137.5,2131 138.12,2108 138.75,2081 139.37,2068 140,2046 140.62,2028 141.25,1982 141.87,2001 142.5,1985 143.12,2030 152.5,1727 153.12,1728 153.75,1722 154.37,1711 155,1700 155.62,1691 156.25,1683 156.87,1672 157.5,1666 158.12,1655 158.75,1645 159.37,1637 160,1633 160.62,1622 161.25,1621 161.87,1611 162.5,1602 163.12,1597 163.75,1592 164.37,1583 165,1579 165.62,1578 166.25,1571 166.87,1564 167.5,1558 168.12,1552 168.75,1551 169.37,1550 170,1545 170.62,1543 171.25,1540 171.87,1537 172.5,1529 173.12,1527 173.75,1527 174.37,1524 175,1522 175.62,1518 176.25,1519 176.87,1517 177.5,1513 178.12,1510 178.75,1514 180,1514 180.62,1511 181.25,1519 181.87,1513 182.5,1514 183.12,1513 183.75,1513 184.37,1514 185,1518 185.62,1517 186.25,1519 186.87,1517 187.5,1526 188.12,1522 188.75,1526 189.37,1527 190,1530 190.62,1536 191.25,1536 191.87,1541 192.5,1544 193.12,1549 193.75,1553 194.37,1555 195,1553 195.62,1563 196.25,1569 196.87,1570 197.5,1581 198.12,1583 198.75,1591 199.37,1597 200,1601 200.62,1606 202.5,1615 203.12,1626 203.75,1625 204.37,1644 205,1646 205.62,1658 206.25,1663 206.87,1674 207.5,1685 208.12,1703 208.75,1703 209.37,1717 210,1732 210.62,1743 211.25,1750 211.87,1766 212.5,1776 213.12,1791 213.75,1808 214.37,1814 215,1835 215.62,1844 216.25,1854 216.87,1870 217.5,1892 218.12,1909 218.75,1918 219.37,1934 220,1952 220.62,1972 221.87,2023 222.5,2039 223.12,2059 223.75,2082 225,2101 225.62,2122 226.25,2148 226.87,2173 227.5,2190 228.12,2214 228.75,2241 229.37,2275 230,2295 230.62,2324 231.25,2348 231.87,2160 232.5,2416 233.12,2445 233.75,2479 234.37,2520 235.62,2607 236.25,2649 236.87,2156 237.5,2726 238.12,2768 238.75,2806 239.37,2865 240,2912 240.62,2962 241.25,3026 241.87,3078 242.5,3147 243.12,3210 243.75,3276 244.37,3315 245,3307 245.62,3288 246.25,3267 246.87,3253 247.5,3153 248.75,4678 249.37,4563 250,4560 250.62,4504 251.25,4523 251.87,4478 252.5,4452 253.12,4465 253.75,4434 254.37,4421 255,4391 255.62,4371 256.25,4361 256.87,4356 257.5,4348 258.12,4326 258.75,4326 259.37,4331 260,4341 260.62,4270 261.25,4263 261.87,4281 262.5,2992 263.12,2984 263.75,2976 264.37,2983 265,2971 265.62,2963 266.25,2963 266.87,2967 267.5,2968 268.12,2951 268.75,2951 270,2959 270.62,2953 271.25,2500 271.87,5514 272.5,2839 273.12,2706 273.75,2721 274.37,2693 288.12,3010 288.75,2999 289.37,2998 290,3020 290.62,3036 291.25,3083 291.87,3169 292.5,3170 293.12,3196 293.75,3212 294.37,3230 295,3234 295.62,3262 296.25,3273 296.87,3298 297.5,3318 298.12,3333 298.75,3356 299.37,3374 300,3394 300.62,3417 301.25,3427 301.87,3453 302.5,3474 303.12,3490 303.75,3516 304.37,3552 305,3571 305.62,3581 307.5,5224 308.12,5271 308.75,5316 309.37,5411 310,3843 310.62,3892 311.25,3907 311.87,3922 312.5,3985 313.12,4016 313.75,4058 315,4081 315.62,4143 316.25,4190 316.87,4230 317.5,4291 318.12,4353 318.75,4406 319.37,4460 320,4512 320.62,4563 321.25,4507 321.87,4473 322.5,4426 323.12,4398 323.75,4371 324.37,4321 325,4274 325.62,4256 326.25,4215 326.87,4194 327.5,4148 328.12,4104 328.75,4077 329.37,4051 330,4024 330.62,3995 331.25,3971 331.87,3932 332.5,3909 333.12,3898 333.75,3884 334.37,3858 335,3840 335.62,3818 336.25,3791 337.5,3765 338.12,3747 338.75,3720 339.37,3715 340,3689 340.62,3687 341.25,3635 341.87,3632 342.5,3624 343.12,3613 343.75,3613 344.37,3594 345,3595 345.62,3560 346.25,3570 346.87,3543 347.5,3555 348.12,3527 348.75,3512 349.37,3512 350,3521 350.62,3486 351.25,3496 351.87,3477 352.5,3487 353.12,3461 353.75,3460 354.37,3458 355,3453 355.62,3460 356.25,3448 357.5,998 358.12,3442

このデータをデカルトに変換し、Matplotlibを使用してプロットしました。

RANSACを実行した後、壁が正しく検出されていない画像に青い線が表示されます。 4つの壁を見つけます。コードでどの変更を行うべきかわかりません。これがコードです：

import numpy as np from matplotlib import pyplot as plt import pandas as pd from sklearn import linear_model, datasets import math # scan data is stored in a txt file and getting data from that text file df = pd.read_csv('scanData.txt',delimiter=',') angle = df.values[:,0] distance = df.values[:,1] cartesian = [(r*math.cos(phi*math.pi/180), r*math.sin(phi*math.pi/180)) for r, phi in Zip(distance, angle)] x, y = map(list, Zip(*cartesian)) #print(x) # coverting this into 2d array x= np.array(x) y= np.array(y) x=x.reshape(-1, 1) y=y.reshape(-1, 1) lr = linear_model.LinearRegression() lr.fit(x, y) ransac = linear_model.RANSACRegressor(max_trials=1000,min_samples=300) ransac.fit(x, y) # Predict data of estimated models line_X = np.arange(x.min(), x.max())[:, np.newaxis] print(line_X) line_y = lr.predict(line_X) line_y_ransac = ransac.predict(line_X) print(line_y_ransac) plt.scatter(x,y, color='yellowgreen', marker='.', label='Inliers') plt.plot(line_X, line_y_ransac, color='cornflowerblue', linewidth=1, label='RANSAC regressor') plt.legend(loc='lower right') plt.xlabel("Input") plt.ylabel("Response") plt.show()

床面と表面積を達成するように提案してもらえたら嬉しいです。前もって感謝します。もしあなたに質問があるのなら。コメント欄に入れてください。

Kazi · Answer

sklearnの解決策は見つかりませんでしたが、sci-imageからの別のライブラリがあります。そしてSki-imageは行を適切に検出します。これが私が探していた解決策です。

import numpy as np import matplotlib.pyplot as plt import pandas as pd from skimage.measure import ransac, LineModelND, CircleModel import math df = pd.read_csv('scanData.txt',delimiter=',') angle = df.values[:,0] distance = df.values[:,1] x= angle y= distance cartesian = [(r*math.cos(phi*math.pi/180), r*math.sin(phi*math.pi/180)) for r, phi in Zip(distance, angle)] x, y = map(list, Zip(*cartesian)) # coverting this into 2d array x= np.array(x) y= np.array(y) x=x.reshape(-1, 1) y=y.reshape(-1, 1) data = np.column_stack([x, y]) model = LineModelND() model.estimate(data) # robustly fit line only using inlier data with RANSAC algorithm model_robust, inliers = ransac(data, LineModelND, min_samples=2, residual_threshold=10, max_trials=1000) outliers = inliers == False # generate coordinates of estimated models line_x = np.arange(x.min(),x.max()) #[:, np.newaxis] line_y = model.predict_y(line_x) line_y_robust = model_robust.predict_y(line_x) fig, ax = plt.subplots() ax.plot(data[outliers, 0], data[outliers, 1], '.r', alpha=0.6, label='Outlier data') ax.plot(data[inliers, 0], data[inliers, 1], '.b', alpha=0.6, label='Inlier data') print("data: ", data) print(data[inliers, 0], data[inliers, 1]) #ax.plot(line_x, line_y, '-k', label='Line model from all data') #ax.plot(line_x, line_y_robust, '-b', label='Robust line model') #ax.legend(loc='lower left') plt.show()

そして、これが私が得ている結果の画像です：

この回答は変更または編集していただけます。私は別の答えを得たいです。

JakobVinkas · Answer

私はいくつかの時間を費やしてさまざまなことに挑戦し、次の結果を得るために比較的簡単に管理しました。私が思ったのは：

ポイントをセクションに分割します。
各セクションでRANSACを使用して、ライン推定を取得します。

分割部分は、増分測定間の距離を比較することにより、かなり簡単に行われました。これはさらに作業が必要な部分ではなく、2つの線が1つのセクションとして推定される「黄色の部分」に欠陥があることがわかります。

私が得た結果は次のとおりです（パラメータを変更すると結果が向上することに注意してください）：

これはコードです（私はプロのプログラマではないことに注意してください）：

import matplotlib.pyplot as plt import numpy as np from sklearn import linear_model, datasets from skimage.measure import LineModelND, ransac import pandas as pd import math df = pd.read_csv('scanData.txt',delimiter=',') angle = df.values[:,0] distance = df.values[:,1] cartesian = [(r*math.cos(phi*math.pi/180), r*math.sin(phi*math.pi/180)) for r, phi in Zip(distance, angle)] x, y = map(list, Zip(*cartesian)) # coverting this into 2d array x_data = np.array(x) y_data = np.array(y) def plot_ransac(segment_data_x, segment_data_y): data = np.column_stack([segment_data_x, segment_data_y]) # fit line using all data model = LineModelND() model.estimate(data) # robustly fit line only using inlier data with RANSAC algorithm model_robust, inliers = ransac(data, LineModelND, min_samples=2, residual_threshold=5, max_trials=1000) outliers = inliers == False # generate coordinates of estimated models line_x = np.array([segment_data_x.min(), segment_data_x.max()]) line_y = model.predict_y(line_x) line_y_robust = model_robust.predict_y(line_x) k = (line_y_robust[1] - line_y_robust[0])/(line_x[1]- line_x[0]) m = line_y_robust[0] - k*line_x[0] x0 = (segment_data_y.min() - m)/k x1 = (segment_data_y.max() - m)/k line_x_y = np.array([x0, x1]) line_y_robust_y = model_robust.predict_y(line_x_y) if (distance(line_x[0], line_y_robust[0], line_x[1], line_y_robust[1]) < distance(line_x_y[0], line_y_robust_y[0], line_x_y[1], line_y_robust_y[1])): plt.plot(line_x, line_y_robust, '-b', label='Robust line model') else: plt.plot(line_x_y, line_y_robust_y, '-b', label='Robust line model') x_segments = [] y_segments = [] def distance(x1,y1,x2,y2): return np.sqrt((x1-x2)**2 + (y1-y2)**2) start = 0 distances = [] for i in range(len(x_data)-1): distance_to_point = distance(x_data[i], y_data[i], x_data[i+1], y_data[i+1]) distances.append(distance_to_point) if distance_to_point > 200: if i-start>10: x_segments.append(x_data[start:i]) y_segments.append(y_data[start:i]) start = i+1 if i == len(x_data)-2: if i-start>10: x_segments.append(x_data[start:i]) y_segments.append(y_data[start:i]) plt.plot(x_data, y_data, '.', color = 'grey') for x_seg, y_seg in Zip(x_segments, y_segments): plt.plot(x_seg, y_seg,'.', markersize = 10) plot_ransac(x_seg, y_seg) print('Line is:', distance(x_seg[0], y_seg[0],x_seg[1], y_seg[1]), 'units long') plt.axis('equal') plt.show()

これがあなたのために少し役立つことを願っています。