PCA(Principal Component Analysis,主成分分析)是模型处理中常用的一种方法,因为它能够有效地提取出模型的主要成分和结构,一定程度上去除噪音和干扰,因此成为了对3D模型施加其它后续操作的基本变换。由于模型的3D自由度,因而在对模型施加PCA操作时需要满足以下几个基本要求:平移不变性,旋转不变性,缩放不变性。在进行PCA分析时,由于旋转和缩放不变性比较容易实现,因而各种方法的差别主要就集中在旋转不变性的实现上。
常用的两种模型PCA方法有CPCA和NPCA,前一种方法基于网格模型的顶点统计属性而得到旋转矩阵,后一种方法基于网格模型的表面法向量统计属性而得到旋转矩阵。
假设模型的顶点集为V,法向量集为N。
CPCA: