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
针对点云数据含有异常值且传统拟合方法拟合结果不理想的情况,本文提出一种随机抽样与特征值法相结合的稳健点云平面拟合方法。首先利用随机抽样一致性算法按照设定阈值将异常值划分为局外点,不断迭代剔除局外点,保留含有局内点最多的点云数据,然后利用特征值法对该点云数据进行平面拟合。本文设计实验,针对含有不同异常值的点云数据,分别利用特征值法、最小二乘法与本文方法对包含异常值的点云数据进行平面拟合计算,结果表明,本文所提方法在点云数据含有50%异常值的情况下,仍可得到更可靠的平面参数估
值,具有较强的稳健性。
2、参考文献
[1] 孔利,王延存,周茂伦,等. 基于随机抽样与特征值法的点云平面稳健拟合方法 [J]. 测绘与空间地理信息, 2019, 42 (03): 43-46.
二、代码实现