基于PCA的点云位姿估计与粗拼接附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

三维点云配准是三维重建过程中的重要环节,ICP配准算法无法处理初始位姿相差较大的点云。

⛄ 部分代码

clcclearclose all%------读取点云数据------%% mydir=uigetdir('d:','选择一个目录');mydir='.\bunny';DIRS=dir(fullfile(mydir,'*.ply'));n=length(DIRS);name={DIRS.name}';p=1;q=2;[~,P] = ply_read(fullfile(mydir,DIRS(p).name),'tri');[~,Q] = ply_read(fullfile(mydir,DIRS(q).name),'tri');figure;plot3(P(1,:),P(2,:),P(3,:),'r.');hold onplot3(Q(1,:),Q(2,:),Q(3,:),'b.')hold offtitle(name([p,q]));view(2)point1=size(P,2);point2=size(Q,2);%------分别求解P Q的每一行的均值------%pc = mean(P,2);%  xc:3*1的矩阵qc = mean(Q,2);   %mean(A,2)求各行的均值 ​%----分别求解两个数据集合的协方差矩阵----%x1 = P - repmat(pc,1,point1); %repmat(A,m,n)将矩阵A以m行n列复制摆好拼起来Mx =x1 * x1';y1 = Q - repmat(qc,1,point2);My = y1 * y1';​%------求解Mx My的主元和主方向------%[Vx,Dx] = eig(Mx,'nobalance'); %Vx特征向量,Dx特征值[Vy,Dy] = eig(My,'nobalance');​[~,index]=max(sum(x1.*x1));xm=x1(:,index);xm(3,1)=-abs(xm(3,1));p3 = Vx(:,3);if dot(xm,p3)<0    p3=-p3;endp2 = Vx(:,2);if dot(xm,p2)<0    p2=-p2;endp1=cross(p3,p2);​[~,index]=max(sum(y1.*y1));ym=y1(:,index);ym(3,1)=-abs(ym(3,1));q3 = Vy(:,3);if dot(ym,q3)<0    q3=-q3;endq2 = Vy(:,2);if dot(ym,q2)<0    q2=-q2;endq1=cross(q3,q2);%------求解旋转矩阵R和平移向量T------%​R = [q1,q2,q3]/[p1,p2,p3];%R=(q1,q2,q3)(p1,p2,p3)-1：逆矩阵​xc2 = R*pc;T = (qc - xc2);P1=R*P+repmat(T,1,size(P,2));figure;plot3(P1(1,:),P1(2,:),P1(3,:),'r.');hold onplot3(Q(1,:),Q(2,:),Q(3,:),'b.')hold offtitle(name([p,q]));view(2)​​

⛄ 运行结果

⛄ 参考文献

[1] 刘哲, 周天, 彭东东,等. 一种改进的基于PCA的ICP点云配准算法研究[J]. 黑龙江大学自然科学学报, 2019, 36(4):6.

[2] 刘向东. 基于PCA算法人脸识别的MATLAB实现[J]. 电脑知识与技术：学术版, 2016(4X):2.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料