点云构建协方差矩阵进行主成分分析计算点云中点的特征向量及其曲率，提取高曲率特征点（未调库，手写版）

一、算法介绍及原理

        法向量是点云中各点的重要属性之一。众多点云算法的实施都基于精确的法向量估计，例如许多表面重建算法、点云分割算法、点云去噪算法以及特征描述算法等。由空间变换可知，点云中每一点的法向量夹角及曲率值均不随物体的运动而改变，具有刚体运动不变性。点云法向量求解需要其邻域内点支持，而邻域的大小一般由邻域半径值或临近点个数来表示。现实中需要根据点分别率、物体细节精细程度和用途等因素来取值。过大的邻域会抹平三维结构细节使得法向量过于粗糙，而过小的邻域由于包含了太少的点受噪声干扰程度较强。

二、实现步骤

参考文献： 

[1]柳赟,孙淑艳.基于主成分分析与曲面拟合的激光点云滤波去噪[J].激光技术,2020,44(04):497-502.

       （1）主成分分析主要选取点云中一点，通过给定邻域范围，利用所给范围内的所有点进行协方差矩阵构建，然后对矩阵进行分解得到其特征向量，然后计算其特征值以及法向夹角。