深蓝学院第一章作业总结（上）

1作业要求

2原理部分

3法向量估计

法向量估计
思想：选取点云中每一点，对其进行临近点的搜索，将包含该点的临近点拟合成曲面，对曲面中的点进行PCA主成分分析，查找特征值最小的对应的特征向量，该特征向量即为该拟合曲面的法向量

4核心代码

5代码

# 实现PCA分析和法向量计算，并加载数据集中的文件进行验证

import open3d as o3d 
import os
import numpy as np
from pyntcloud import PyntCloud

# 功能：计算PCA的函数
# 输入：
#     data：点云，NX3的矩阵
#     correlation：区分np的cov和corrcoef，不输入时默认为False
#     sort: 特征值排序，排序是为了其他功能方便使用，不输入时默认为True
# 输出：
#     eigenvalues：特征值
#     eigenvectors：特征向量
def PCA(data, correlation=False, sort=True):
    # 作业1
    # 屏蔽开始
    # 1.归一化  取均值，去中心化
    average_data=np.mean(data,axis=0)#对列取均值
    decentration_matrix=data-average_data#去中心化
    # 2.取协方差矩阵H，并用SVD奇异值分解，求解出相应的特征值，特征向量
    H=np.dot(decentration_matrix.T,decentration_matrix)#求协方差矩阵
    eigenvectors,eigenvalues,eigenvectors_T=np.linalg.svd(H)#SVD特征值、特征向量 详见np.linalg.svd()函数
    # 屏蔽结束