Matlab基于主成分分析(PCA)的平面拟合—点云处理及可视化第2期

目录

1 概述

2 代码实现

3 可视化验证

完整代码：

---

PCA平面拟合结果：

特别提示：《Matlab点云处理及可视化》系列文章整理自作者博士期间的部分成果，旨在为初入点云处理领域的朋友提供一份较为权威、可直接用于论文写作的Matlab点云数据处理教程。如果觉得有用可以分享给更多的人。

---

1 概述

利用主成分分析(Principal Components Analysis, PCA)方法，可计算待拟合点的法向量，进而得到平面参数。

原理详见参考文献：

Pauly M, Keiser R, Gross M. Multi‐scale feature extraction on point‐sampled surfaces[C]//Computer graphics forum. Oxford, UK: Blackwell Publishing, Inc, 2003, 22(3): 281-289.

2 代码实现

function planes = fitPlane_PCA(data)% 功能：利用PCA拟合平面% 输入：data   - 原始数据(m*3)    % 输出：planes - 拟合所得平面参数 points = data(:,1:3);[m,~] = size(points);% 计算协方差矩阵M = points-ones(m,1)*(sum(points,1)/m);C = M.'*M./(m-1);  % 计算特征值与特征向量[V, D] = eig(C);% 最小特征值对应的特征向量为法向量s1 = D(1,1);s2 = D(2,2);s3 = D(3,3);if (s1 <= s2 && s1 <= s3)    normal(1,:) = V(:,1)/norm(V(:,1));elseif (s2 <= s1 && s2 <= s3)    normal(1,:) = V(:,2)/norm(V(:,2));elseif (s3 <= s1 && s3 <= s2)    normal(1,:) = V(:,3)/norm(V(:,3));end % 平面参数标准化dtmp = mean(points*normal');planes(1:3) = normal'*sign(dtmp);planes(4) = -dtmp*sign(dtmp);end

3 可视化验证

为了检测平面拟合的效果，采用仿真数据进行验证：

%% 数据准备% 读取数据data = load('data.txt');%% PCA平面拟合% 平面:Ax+By+Cz+D=0planes = fitPlane_PCA(data);A = planes(1);B = planes(2);C = planes(3);D = planes(4);%% 可视化验证% 窗口尺寸设置（单位：厘米）figureUnits = 'centimeters';figureWidth = 15;figureHeight = 15;figureHandle = figure;set(gcf, 'Units', figureUnits, 'Position', [0 0 figureWidth figureHeight]);% 原始点云可视化l = scatter3(data(:,1),data(:,2),data(:,3),15);% 原始点云hold on% 拟合平面绘制xfit = min(data(:,1)):0.01:max(data(:,1));yfit = min(data(:,2)):0.01:max(data(:,2));[XFit,YFit]= meshgrid (xfit,yfit);ZFit = -(D + A * XFit + B * YFit)/C;s = surf(XFit,YFit,ZFit,'EdgeColor','none');hTitle = title('基于PCA的平面拟合');hXLabel = xlabel('XAxis');hYLabel = ylabel('YAxis');hZLabel = zlabel('ZAxis');% 细节优化colormap(map)set(l,'Marker','o','MarkerFaceColor',CR,'MarkerEdgeColor',CR)view(-27.5,46.9);% 视角set(gca, 'Box', 'on', ...                                    % 边框         'XGrid','on','YGrid','on','ZGrid','on', ...         % 网格         'TickDir', 'out', 'TickLength', [0.01 0.01], ...    % 刻度         'XMinorTick', 'off', 'YMinorTick', 'off', ...       % 小刻度         'XColor', [.1 .1 .1],  'YColor', [.1 .1 .1],...     % 坐标轴颜色         'XLim',[-1.4 0.2])        % 字体和字号set(gca, 'FontName', 'Arial', 'FontSize', 10)set([hXLabel, hYLabel, hZLabel], 'FontName', 'Arial','FontSize', 11)set(hTitle, 'FontName', '微软雅黑', 'FontSize', 12, 'FontWeight' , 'bold')% 背景颜色set(gcf,'Color',[1 1 1])% 图片输出print('test.png','-r300','-dpng')

其中，为了区分不同对象，从Matlab配色神器TheColor的XKCD和SCI颜色库中选择对比色及渐变色：

% 颜色定义CR = TheColor('xkcd',154);map = TheColor('sci',2068);

最终结果如下：

以上。

完整代码：

Matlab基于PCA的平面拟合