使用主成分分析之特征向量法求点云法向量

thequitesunshine007

已于 2023-11-26 01:56:41 修改

阅读量747

点赞数 7

分类专栏： 3D点云文章标签：算法

于 2023-11-26 01:54:17 首次发布

本文链接：https://blog.youkuaiyun.com/thequitesunshine007/article/details/134623433

版权

3D点云专栏收录该内容

22 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何运用主成分分析的原理来求取点云数据的法向量。通过找到最小特征值对应的特征向量，可以确定点云在空间中的法向量方向。文中还给出了具体的代码实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 原理简述

我们知道主成分分析会得到特征值、特征向量，最大的特征值及其对应的特征向量则为主成分，表示数据分布的主方向。最小特征值对应的特征向量则可以认为是空间点云的法向量。

2. 代码实现

//in_cloud为点云，center为点云质心
Eigen::Vector3d normal(const PCLCloudPtr& in_cloud, const Eigen::Vector3d& center)
{
  double xx = 0, xy = 0, xz = 0, yy = 0, yz = 0, zz = 0;
  std::size_t cld_sz = in_cloud->points.size();

  // 去中心化
  for (std::size_t i = 0; i < cld_sz; i++)
  {
    xx += (in_cloud->points.at(i).x - center.x()) * (in_cloud->points.at(i).x - center.x());
    xy += (in_cloud->points.at(i).x - center.x()) * (in_cloud->points.at(i).y - center.y());
    xz += (in_cloud->points.at(i).x - center.x()) * (in_cloud->points.at(i)

了解本专栏