我有一个有趣的问题正在尝试解决。我从笛卡尔坐标中的传感器获得了一个数据集。该数据非常密集，因此不乏点。
现在假设该数据的原点位于 (0,0) 我想找到该帧中传感器的潜在偏移量。
我的尝试是创建该数据集的凸包，然后检查相交线组，它们的交点位于距原点一定距离内。这给出了一个很好的近似值，使用这个理想数据Click Me。
在链接 1 中，您会看到几条绿线，这些是我从凸包中提取的“主线”，它们是很好的候选者。由于图像是从循环中完成的，因此它们中有很多。
现在，我的问题。我得到的数据很嘈杂，所以有很多离群点，即确实在 FOV 之外但仍被测量的点。这些坏点很少，但足以使凸包方法不起作用（我也尝试过 alpha 形状，它确实工作得更好，但仍然不够好）。
我想知道您是否对我可以解决这个困境的方向有什么想法？最好我想将此原点提取为二项分布。
这是原始数据的示例图像（尽管出于 IP 原因，我已对其进行了更改并删除了数据）。单击我。
我的一个想法可能是使用极坐标中的数据，然后使用 dohougs 变换来提取极坐标中的“清晰”直线，这可以给我在一定距离 R 处的一组弧长，然后以某种方式从那里开始?
PS对不起，链接很少，只允许在这里和现在放两张图片：/