将2D点聚类为边界框分解的算法

Question

我正在寻找一种算法，该算法采用如上所述的非结构化2D点集，并分解为边界框，如下所示。边界框可能会重叠，但是算法仍应尝试找到紧密匹配的关系（它不一定是最佳选择，而是最佳选择）。

我已经尝试使用K-Means，但这并不能给我带来有用的结果，因为我需要已经知道我需要多少个群集。

Answer 1

有几种方法可以实现这一目标。我要使用的是应用RANSAC算法，以便按顺序将定向边界框（OBB）拟合到数据。

或者，您可以对整个点集应用Alpha形状算法，并开始以较小的形状进行分解，但这需要定义一个不平凡的最佳alpha值。