pcl求平面法向量_咸鱼的微积分笔记——梯度、法向量

今天差点被梯度给绕晕了(*/ω\*)

为什么梯度是

,而法向量也是
呢?好奇怪,如果两者相等的话,为什么还要弄一个梯度出来呢?

记录一下自己的理解过程233。

——————————————

首先看看下面两个式子的不同之处:


我一开始也是搞混了,所以才觉得梯度和法向量是一个东西(///∇//)。

是一个
函数,而
是一条
曲线

所以求梯度和求法向量不同之处就在这里。
求梯度:对函数

一点
求梯度。

梯度是指:该点往梯度的方向移动,其 函数值
的增长最大。
求法向量:对 曲线
一点
求法向量。

法向量是指该点的法向量。

先说求法向量,对曲线

求全微分,得到:

显然可以看作两个向量点乘:

而在该点非常小的范围内,
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PCL中可以使用SACSegmentation类来进行平面分割,其中包括平面向量。下面是一个示例代码: ```c++ #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/features/normal_3d.h> #include <pcl/segmentation/sac_segmentation.h> int main(int argc, char** argv) { pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); if (pcl::io::loadPCDFile<pcl::PointXYZ>("cloud.pcd", *cloud) == -1) { PCL_ERROR("Couldn't read file cloud.pcd \n"); return (-1); } // 创建线估计对象 pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud(cloud); // 创建kdtree用于近邻搜索 pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>); ne.setSearchMethod(tree); // 输出点云线 pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>); ne.setKSearch(20); ne.compute(*cloud_normals); // 创建平面分割对象 pcl::SACSegmentation<pcl::PointXYZ> seg; seg.setOptimizeCoefficients(true); // 开启优化系数 seg.setModelType(pcl::SACMODEL_PLANE); // 设置模型类型为平面 seg.setMethodType(pcl::SAC_RANSAC); // 设置采用RANSAC算 seg.setDistanceThreshold(0.01); // 设置距离阈值 seg.setInputCloud(cloud); seg.setInputNormals(cloud_normals); // 执行平面分割 pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients); pcl::PointIndices::Ptr inliers(new pcl::PointIndices); seg.segment(*inliers, *coefficients); // 输出平面向量 std::cout << "平面向量为:(" << coefficients->values[0] << ", " << coefficients->values[1] << ", " << coefficients->values[2] << ")" << std::endl; return 0; } ``` 在这个示例代码中,我们首先从PCD文件中读取了点云数据,然后使用NormalEstimation来计算点云的线。接着,我们使用SACSegmentation进行平面分割,并输出解得到的平面向量

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值