【论文复现】——利用LMedS 算法与特征值法的点云平面拟合方法

本文由CSDN点云侠原创，原文链接。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的GPT爬虫。

一、算法原理

1、论文概述

  三维激光扫描获取的三维点云数据或多或少存在一些异常点，用最小二乘法、特征值法和主成分分析法求解模型参数时无法避免异常点的影响，导致拟合精度低。RANSAC 算法虽可以剔除异常数据，但需手动设置阈值，阈值如果偏大可能会将异常点判断为局内点，反之会把本应是局内点给剔除掉，这两种情况都会导致计算的模型参数不准确。因此本文采用LMedS 算法通过多次迭代确定最佳阈值并剔除异常点，对剔除完异常点后的点云数据采用特征值法进行平面拟合，达到二次拟合的效果。

本文方法流程图

2、参考文献

[1]苏毅辉,陈志聪,吴丽君. 利用LMedS算法与特征值法的点云平面拟合方法 [J]. 信息技术与网络安全, 2022, 41 (03): 38-43.