点云归一化函数pc_normalize(pc)
def pc_normalize(pc):
l = pc.shape[0]
centroid = np.mean(pc, axis=0)
pc = pc - centroid
m = np.max(np.sqrt(np.sum(pc**2, axis=1)))
pc = pc / m
return pc
- 获取点云数据中点的数量
- 计算点云数据的质心
- 将点云数据沿每个维度移动,使得质心位于原点
- 计算点云数据的最大范数,即点云数据中点到原点的最远距离
- 将点云数据按照最大范数进行归一化,使得点云数据的范围在 [-1, 1] 之间
# 点云归一化处理
def pc_normalize(pc):
# 获取点云数据中点的数量
l = pc.shape[0]
# 计算点云数据的质心
centroid = np.mean(pc, axis=0)
# 将点云数据沿每个维度移动,使得质心位于原点
pc = pc - centroid
# 计算点云数据的最大范数,即点云数据中点到原点的最远距离
m = np.max(np.sqrt(np.sum(pc**2, axis=1)))
# 将点云数据按照最大范数进行归一化,使得点云数据的范围在 [-1, 1] 之间
pc = pc / m
# 返回归一化后的点云
return pc
l = pc.shape[0]
:获取点云数据中点的数量。centroid = np.mean(pc, axis=0)
:计算点云数据的质心(中心点)。pc = pc - centroid
:将点云数据沿每个维度移动,使得质心位于原点。m = np.max(np.sqrt(np.sum(pc**2, axis=1)))
:计算点云数据的最大范数,即点云数据中点到原点的最远距离。
pc**2
:这一步是对点云数据中每个点的坐标进行平方操作,得到每个点在各个维度上的平方值。np.sum(pc**2, axis=1)
:这一步是对上一步得到的平方值在每行上进行求和操作,得到每个点的范数的平方。np.sqrt(np.sum(pc**2, axis=1))
:这一步是对上一步得到的每个点的范数的平方进行开方操作,得到每个点的范数。np.max(np.sqrt(np.sum(pc**2, axis=1)))
:最后,这一步是对上一步得到的每个点的范数进行求最大值操作,得到点云数据中点到原点的最远距离。pc = pc / m
:将点云数据按照最大范数进行归一化,使得点云数据的范围在 [-1, 1] 之间。