在点云匹配中，FindClosestPoint算法用于寻找源点云与目标点云的最近对应点，但原始方法时间复杂度高。通过设定距离阈值可加速计算。FindBestTransform则采用迭代和SVD（奇异值分解）来优化变换，首先计算均值进行中心化，然后利用SVD找到最佳变换矩阵，降低计算复杂性。
1. 找最近对应点（Find Closet Point）
对 Source 点云中的一点，求解其与 Target 点云中距离最近的那个点，作为其对应点。但是，这样操作的时间复杂度很高。实际中为了加速计算，我们不需要计算 Target 点云中每个点到 Source 点云中一点的距离。可以设定一个阈值，当距离小于阈值时，就将其作为对应点。
2. 解最优变换（Find Best Transform）: 迭代优化
`up = P.mean(axis=0)`
`uq = Q.mean(axis=0)`
`t = uq - np.dot(R, up)`
P_centered = P - up
Q_centered = Q - uq
U, s, V = np.linalg.svd(np.dot(Q_centered.T, P_centered), full_matrices=True, compute_uv=True)
173
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
