svd求解点云旋转矩阵方法_SVD的应用

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：

图片来自网络

或者比如我们有两个点云，想让它们尽量对齐：

图片来自网络

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：

和

其实是以质心为坐标来表示 p 和 q， 为了简便，令

, 上式化简：

是一个标量，因为