1、背景介绍

      前文已介绍对点云进行格网处理，可以计算平面点云面积、格网拓扑关系构建，相关博客如下：

（1）点云格网过程可视化（C++ PCL）-CSDN博客

（2）平面点云格网过程及可视化介绍（python）-CSDN博客

（3）详解基于格网法统计平面点云面积_点云格网法计算xy投影面积-CSDN博客

       其实，点云格网化处理，还可以进行点云边缘检测，其思想类似数字图像处理，将点云进行格网化处理，类似生成一张图片，再依据非边缘格网特点识别边缘格网，以此达到边缘提取的目的。本次博客介绍利用构建的格网，实现边缘点检测，效果如下：

2、原理介绍

      位于边缘处的格网，其周边8个近邻格网均包含点，如下图所示，黄色格网，其周边的8个格网，均包含点集。对于位于边缘处格网，围绕其周围的8个格网，不全为空。因此，根据这一特征，可以探测边缘格网。

       具体来说，对于一个包含点云数据的格网，根据该格网的行、列号（row、col），得到包含该格网的8个近邻格网的行、列号，分别如下：

（row-1，col-1）、（row-1，col）、（row-1，col+1）

（row，col-1）、                                  （row，col+1）

（row+1，col-1）、（row+1，col）、（row+1，col+1）

         在获取8个近邻格网后，结合上述判断规则，获取边缘格网。

3、代码测试验证

      本程序基于python编写，在pycharm上运行。下载代码链接如，下所包含的测试数据与代码如下图所示：

3.1 内部孔洞数据测试

      该点云分布的形状如下图所示，利用格网拓扑关系，得到的边缘格网分布如下图所示，可以发现边缘格网均分布在点云边界处，内部也存在边缘格网。随后提取的边缘点结果整体上比较理想。

3.2 非孔洞点云提取

       该点云分布的形状如下图所示，两簇点云均不包含内部孔洞，利用格网拓扑关系，得到的边缘格网分布如下图所示，可以发现边缘格网均分布在点云边界处。随后提取的边缘点结果整体上比较理想。

4、总结

     该方法借鉴了数字图像提取边缘的思想，效率比较高，原理也比较简单。