本文介绍了基于PCA的点云法向量估计原理，通过最小化目标函数找到点的法向量，涉及特征值、特征向量与PCA的关系。优化目标是寻找描述点云共性的平面，法向量为最小特征值对应的特征向量。法向量方向的判断可以通过视点方向或最小生成树方法完成。
点云法向量的估计在很多场景都会用到，比如ICP配准，以及曲面重建。
基于PCA的点云法向量估计，其实是从最小二乘法推导出来的。假设我们要估计某一点的法向量，我们需要通过利用该点的近邻点估计出一个平面，然后我们就能计算出该点的法向量。或者可以这么说，通过最小化一个目标函数（要求的参数为法向量），使得该点与其每个近邻点所构成的向量与法向量的点乘为0，也就是垂直：
正常情况下，我们可以将点c看成是某一领域中所有点的中心点：
m=1n∑i=1nXi m = 1 n ∑ i = 1 n X i </
最低0.47元/天 解锁文章
扫一扫
1739
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
