m0_55908255的博客

对于每个数据点，预测值为，真实值，则误差为：最小化所有数据点的误差平方和：最终目标就是找到使总误差S最小的，这可以通过S分别对求偏导，并令偏导数 = 0来实现。

聚类（Clustering）是按照某个特定标准（如距离）把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，而不在同一个簇中的数据对象的差异性也尽可能的大。简单来说聚类后同一类的数据尽可能聚集到一起，不同类数据尽可能分离。

欧式距离（Euclidean Distance）是一种在欧几里得空间中度量两个点之间距离的常用方法，其公式根据空间维度的不同而不同。

FPS 是一种下采样算法，每次采样的时候都选择离之前已经采样得到的个点距离最远的点。FPS能够较好的保证采样后的点具有较好的覆盖率。因此在分割领域被广泛的使用但是FPS的计算复杂度与输入点云的点数呈平方相关，所以FPS并不适用用来处理大规模的点云。举例来说，如果输入一个具有百万个点的大场景点云时，使用FPS将其采样到原始规模的10%就需要200秒！

表面曲率是点云数据表面的特征值来描述点云表面变化程度的一个概念，与数学意义上的曲率不同。我们不需要太纠结数学意义上的曲率，只需要关注表面曲率即可。颜色的深浅代表了表面曲率值的大小，可以在属性框一直往下拉，找到。点云的表面曲率计算过程和。Open3D 点云的表面曲率-优快云博客。"工具类--->其他--->计算几何特征"① 框选点云，然后点击左上角的。计算点云表面曲率好像不能限制。④ 将计算后的点云保存成。② 弹出一个窗口，选择。，然后点击下方的🆗键。

表面曲率是点云数据表面的特征值来描述点云表面变化程度的一个概念，与数学意义上的曲率不同。我们不需要太纠结数学意义上的曲率，只需要关注表面曲率即可。

最小二乘法拟合曲线与拟合直线的核心原理完全相同，都是基于最小化误差平方和的思想，使得所有数据点到该函数的垂直距离的平方和最小但在数学形式和计算复杂度上存在差异最小二乘法拟合直线，用线性回归法、梯度下降法实现_最小二乘法拟合直线回归-优快云博客。

中所有的方法都以右手坐标系为前提条件实现。该函数可以创建一个坐标系。轴分别呈现为红色、绿色和蓝色箭头。使用的坐标系是最常用的。

① 坐标系动，点不动（被动变换）② 点动，坐标系不动（主动变换）两种方式分别对应不同的应用场景缩放变换在前文的二维缩放变换已经讲的很清楚了，所以就不再过多赘述了，直接推广到三维即可。不理解的地方可以往前看看同样，平移变换在前文的二维缩放变换已经讲的很清楚了，所以就不再过多赘述了，直接推广到三维即可。不理解的地方可以往前看看🆗，以上就是本文的全部内容。二维坐标变换比较简单，而三维坐标变换相对较难，所需要的知识储备更多，需要知道什么是左手坐标系、什么是右手坐标系、点云中心点归0、齐次坐标。

点云中心点归零的代码实现比较简单，用 ai 随便写一个就行，这里就不提供代码了。如果点云的中心点位置位于坐标系的。可以看到，上图中的牛体点云的中心位置并不在坐标系的。那有没有办法可以使得点云的中心位置位于坐标系的原点。其实很好理解，质心可以理解为是点云中所有点的一个。2.3 补充问题：中心化后 (0，0，0) 点是否真的存在点？而且原始点云中的点只是坐标被调整了，并没有新增或删除点。此时，中心化后的点云中心是坐标系原点。，那这些离散的点的中心点（中心位置）在哪呢？，不一定恰好与某个原始点重合​​​​​​。

Open3D 统计滤波器-优快云博客点云统计滤波器，全称是，是点云处理中最常用的去噪方法之一，用于去除明显的离群点。其核心思想是通过计算每个点与领域点的距离分布特征，剔除掉不符合统计规律的离群点，此去噪算法特别适合去除激光雷达或深度相机采集点云时所采集到的孤立噪点。① 统计滤波算法原理② Open3D 实现统计滤波Open3D 半径滤波器-优快云博客全称，是一种基于邻域密度的点云去噪方法。

全称，是一种基于邻域密度的点云去噪方法。它的思路非常直接直接和简单，就是在点云数据中，该算法要求每一个点在一定的半径范围内至少有足够多的邻点，否则就会被当作噪声点移除有效点通常位于密度较高的区域，而噪声点往往孤立存在。

点云统计滤波器，全称是，是点云处理中最常用的去噪方法之一，用于去除明显的离群点。其核心思想是通过计算每个点与领域点的距离分布特征，剔除掉不符合统计规律的离群点，此去噪算法特别适合去除激光雷达或深度相机采集点云时所采集到的孤立噪点。

调用Open3D的radius半径限制，仅考虑距离当前点半径0.01米（或单位）内的邻近点max_nn最多邻近点个数，最多取30个最近的邻域点，避免高密度区域的冗余计算简单来说：要计算出某个点的法向量时，需要先去搜索该点的邻近点，然后根据当前和这些邻近点拟合出一个平面方程，最终该平面方程的法向量即为该点的法向量。

在Open3D中，AABB（Axis-Aligned Bounding Box，轴对齐包围盒）是一种用于快速表示点云或几何对象空间范围的立方体，立方体的边严格与坐标轴平行。

三个坐标轴上的最大值、最小值求得点云的最小包围盒边长。把每个体素网格中的所有点做平均，只保留一个代表点。质心算法：已知一个非空体素网格。是一种点云数据下采样方法，通常在点云处理任务的。我们用经典的兔子点云做一下对比。依据点云数据坐标集合，求取。个点，则该体素网格的质心。轴方向有多少个体素网格，三个坐标值上的最大值。