点云从入门到精通技术详解100篇-散乱点云法向量估计

目录

前言

预备知识

2.1 点云法向量

2.2 主元分析(PCA)算法

2.2.1 点云主元分析的数学基础

2.2.2 点云主元分析的数学原理

2.3 空间 K 近邻

2.3.1 空间分割法

2.3.2 Kd树索引

2.4 卷积神经网络

2.4.1 卷积层

2.4.2 池化层

2.4.3 全连接层

2.4.4 ReLu激活函数

2.4.5 SoftMax_with_Loss层

法向量估计与基于法向量的曲面变化度量

3.1 平面拟合的法向量估计算法

3.2 二次曲面拟合的法向量估计算法

3.3 法向量重定向

---

 

前言

法向量是点云数据的重要属性，准确的法向量对很多点云处理算法都至关重要：在基于

点的渲染技术中，显示效果的很大程度上取决于法向量的准确程度；许多曲面重建算法 [1] 也需

要准确的法向量作为输入，如 multi-level partition of unity(MPU) 隐曲面方法 [2] 需要依赖法向量

聚类才能识别和重建尖锐特征