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：

#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<pcl/point_cloud.h>
#include<pcl/io/pcd_io.h>
using namespace std;
using namespace cv;
//定义结构体
typedef struct MYPOINT
{
	int N;
	//像素
	double I;
	double J;
	//三维点坐标
	double X;
	double Y;
	double Z;
	double G;
};
struct MYPOINT2
{
	int i;
	int j;
};
int main()
{
	//将像素、三维点坐标保存到 数组 之中
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PCDReader r;
	r.read("C:\\Users\\asus\\Desktop\\激光扫描\\line.pcd", *cloud);
	int row = 1492;
	int col = 217;
	Mat Image = Mat(row, col, CV_8UC3);
	int k = 0; //序号
	vector<MYPOINT> POINTS;
	for (int i = 0; i < row; i++)
	{
		for (int j = 0; j < col; j++)
		{
			MYPOINT p;
			p.N = k;
			p.I = i;
			p.J = j;
			p.X = cloud->points[k].x;
			p.Y = cloud->points[k].y;
			p.Z = cloud->points[k].z;
			POINTS.push_back(p);
			k++;
		}
	}
	cout << "结构体构造完成" << endl;
	Mat srcImage = imread("C:\\Users\\asus\\Desktop\\激光扫描\\原始图像闭运算.jpg", 0);
	if (!srcImage.data){cout << "图片载入失败！！" << endl;return -1;}
	srcImage = srcImage > 195;	//srcImage 取大于阈值的那部分

	//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;
			}
		}
	}
	namedWindow("原始图", WINDOW_AUTOSIZE);
	imshow("原始图", srcImage);
	namedWindow("轮廓图", WINDOW_AUTOSIZE);
	imshow("轮廓图", dstImage);
	waitKey(0);
	return 0;
}

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。