PCL计算均值和协方差矩阵computeMeanAndCovarianceMatrix

pcl中的源码如下：

template <typename PointT, typename Scalar> inline unsigned int
computeMeanAndCovarianceMatrix (const pcl::PointCloud<PointT> &cloud,
                                Eigen::Matrix<Scalar, 3, 3> &covariance_matrix,
                                Eigen::Matrix<Scalar, 4, 1> &centroid)
{
  // create the buffer on the stack which is much faster than using cloud[indices[i]] and centroid as a buffer
  Eigen::Matrix<Scalar, 1, 9, Eigen::RowMajor> accu = Eigen::Matrix<Scalar, 1, 9, Eigen::RowMajor>::Zero ();
  std::size_t point_count;
  if (cloud.is_dense)
  {
    point_count = cloud.size ();
    // For each point in the cloud
    for (const auto& point: cloud)
    {
      accu [0] += point.x * point.x;
      accu [1] += point.x * point.y;
      accu [2] += point.x * point.z;
      accu [3] += point.y * point.y; // 4
      accu [4] += point.y * point.z; // 5
      accu [5] += point.z * point.z; // 8
      accu [6] += point.x;
      accu [7] += point.y;
      accu [8] += point.z;
    }
  }
  else
  {
    point_count = 0;
    for (const auto& point: cloud)
    {
      if (!isFinite (point))
        continue;

      accu [0] += point.x * point.x;
      accu [1] += point.x * point.y;
      accu [2] += point.x * point.z;
      accu [3] += point.y * point.y;
      accu [4] += point.y * point.z;
      accu [5] += point.z * point.z;
      accu [6] += point.x;
      accu [7] += point.y;
      accu [8] += point.z;
      ++point_count;
    }
  }
  accu /= static_cast<Scalar> (point_count);
  if (point_count != 0)
  {
    //centroid.head<3> () = accu.tail<3> ();    -- does not compile with Clang 3.0
    centroid[0] = accu[6]; centroid[1] = accu[7]; centroid[2] = accu[8];
    centroid[3] = 1;
    covariance_matrix.coeffRef (0) = accu [0] - accu [6] * accu [6];
    covariance_matrix.coeffRef (1) = accu [1] - accu [6] * accu [7];
    covariance_matrix.coeffRef (2) = accu [2] - accu [6] * accu [8];
    covariance_matrix.coeffRef (4) = accu [3] - accu [7] * accu [7];
    covariance_matrix.coeffRef (5) = accu [4] - accu [7] * accu [8];
    covariance_matrix.coeffRef (8) = accu [5] - accu [8] * accu [8];
    covariance_matrix.coeffRef (3) = covariance_matrix.coeff (1);
    covariance_matrix.coeffRef (6) = covariance_matrix.coeff (2);
    covariance_matrix.coeffRef (7) = covariance_matrix.coeff (5);
  }
  return (static_cast<unsigned int> (point_count));
}

这是一个计算点云数据的中心和协方差矩阵的函数。该函数采用模板编程技术，可以处理不同类型的点云数据（例如，XYZ、RGB、XYZRGB 等）。

该函数首先创建了一个大小为 9 的 Eigen::Matrix 对象 accu 作为累加器，并将其初始化为零矩阵。然后，对于点云中的每个点，该函数将点的 x、y、z 坐标及其平方项相应地添加到累加器中。

该函数还包括一些特殊处理逻辑，以处理具有无穷值的点或非稠密点云。如果点云是非稠密的，则将计算限制在具有有限值的点上，并更新点的数量。最后，累加器中的值除以点的数量，得到了各个坐标的平均值。最后，使用平均值计算协方差矩阵和中心点。其中，协方差矩阵是描述随机向量之间关系度量的矩阵，而中心点是点云的平均位置。

此函数对于点云分析和计算对象的几何属性非常实用，例如计算点云的主要方向、法线和曲率等信息。

Eigen::Matrix<Scalar, 1, 9, Eigen::RowMajor> accu = Eigen::Matrix<Scalar, 1, 9, Eigen::RowMajor>::Zero ();

该行代码创建了一个大小为 9 的 Eigen::Matrix 对象 accu 作为累加器，并将其初始化为零矩阵。此处使用 Eigen::RowMajor 存储顺序，以提高性能。