[matlab]空间点云与某空间点的距离解算_范数方法

目标

计算空间点云与某特定空间点的全部距离；

方法

点云坐标相当于三维空间向量，两三维点间的向量模即为两点间距离，也相当于3维空间二范数。
假设两点的向量为$\hat{A}$，则待求解为$||\hat{A}|{|}_2$，matlab里面的二范数方法为norm(A,2)。

• 首先，读取空间点云；
• 然后，设置特定空间点；
• 接着，使用MATLAB，vecnorm方法，计算每一列的2-范数，获取每一列的欧式距离。

matlab代码

%% Program for normTest to calculate range
radarEndPoints = [7.044000000000001,-6.996000000000000,-0.140000000000000;
5.962500000000000,-7.263999999999999,-0.147500000000000];
radarPostion = (radarEndPoints(1,:) +radarEndPoints(2,:) )/2;

terrainPCL = load('normTestPCL.txt');

for i = 1:length(terrainPCL(:,1)) 
    range(i) = norm(radarPostion-terrainPCL(i,1:3),2);
end

normMatric = radarPostion-terrainPCL(:,1:3);
rangeMatrix = vecnorm(normMatric');

range和rangeMatrix方法比较

eigen求二范数代码

要点是注意eigen中建立的向量是colmajor还是rowmajor，默认是colmajor，为了方便初始化，这里选用了rowmajor形式。具体的在visual studio中新建SquarNorm项目，然后添加main.cpp，键入以下代码：

#include "../Common/common.h"

using namespace Eigen;
using namespace std;

int main()
{
	RowVectorXd m_point1(1,3),m_point2(1, 3), m_length(1, 3);
	m_point1 << 7.044, -6.996, -0.140;
	m_point2 << 5.963, -7.264, -0.148;
	m_length = (m_point1 - m_point2).transpose();
	cout << "SquareNorm:\n" << m_length.transpose().squaredNorm() << endl;

	return 0;
}

运行结果：

参考

向量范数和矩阵范数