PCA解决三维点云法向量问题

PCA——主成分分析法，也可以用于处理三维点云得到三维点云的特征向量，一直不是很理解为什么分析点云的主成分可以得到法向量，最近略有感悟，稍作分享。使用PCA计算的点云的过程可以看做是优化函数的过程

也可以这么理解：点云中的每一个点和点云中点组成一个向量，这些小向量与最终想要求得的法线的向量积的平方和最小，向量积也可以看成是这些小向量在n上的投影（因为n的大小单位化已经为1，因此起决定因素的只有n的方向因此最优化上述函数的问题的重点就在于如何找到一个合适的n的方向）。而所谓的方差最大的方向指的也是讲三维点全部沿着这个方向投影之后得到的方差和最大，根据需要决定所需要的是方差最大还是最小的，之后的推导可以参考这篇链接

https://blog.csdn.net/linmingan/article/details/80586214

总之最后n的求解直接转换成求特征向量和特征值的公式

最后通过SVD分解既可以求出最优化的n值，即为所求的主方向的向量