一、简介
点云平面拟合的实质其实就是用一个拟合平面取代近似位于同一平面的点云,使点云中的所有点到拟合平面的距离平方和最小, 达到点云与拟合平面的高度吻合。已有的方法其实已有很多,如最小二乘法、特征值法等,本文将会使用最小二乘法来实现简单的平面拟合。其中,最小二乘法的程序化有两种思路:(1)通过使用协方差矩阵(对称矩阵)来进行求解;(2)使用偏导的方式来进行求解,详细内容可以阅读文献[1]。
不过由于CloudCompare中绘制一个平面往往需要一个变换矩阵,因此本文不打算采样之前求取伪逆的方式(点云最小二乘法拟合平面)的方式来拟合平面,而是采用PCA求取点云的特征值的方法来拟合平面,关于PCA的相关介绍可以参考:PCA(主成分分析)算法,其最终的目标仍是使得样本点到拟合平面的距离足够近。