![09d85d9825f8c2680c0cb53c0d9e274d.png](https://img-blog.csdnimg.cn/img_convert/09d85d9825f8c2680c0cb53c0d9e274d.png)
这里再写一些 SVD 更为具体的应用。
Rigid Alignment / Procrustes Problem
顾名思义, 刚性对齐,之前的文章PCA(主成分分析) 和 SVD (奇异值分解) 也写过,比如我们想要这两个形状对齐:
![96ecabefd7d223e734284421266f3f4f.png](https://img-blog.csdnimg.cn/img_convert/96ecabefd7d223e734284421266f3f4f.png)
或者比如我们有两个点云,想让它们尽量对齐:
![1b6653639c9869c6eae5d78784e6250a.png](https://img-blog.csdnimg.cn/img_convert/1b6653639c9869c6eae5d78784e6250a.png)
又或者我们3D扫描了一些点云,想要把它们对齐以生成更好的3D point clouds,最终生成更好的 3D mesh,也要用到 Rigid Alignment.
最简单的set up 就是我们有如上图的两个点云, 然后通过平移和旋转,最小化它们之间的距离:
平移很容易求到, 让它们的质心重合:
质心重合之后我们就只需要最小化对应点之间的距离: