pcl pca求平面点云整体法向量

Cat_AC

已于 2024-02-01 18:25:39 修改

阅读量566

点赞数 8

文章标签：平面

于 2024-02-01 18:23:59 首次发布

本文链接：https://blog.csdn.net/weixin_41674673/article/details/135957120

版权

本文介绍了如何在点云数据中使用PCA方法求取平面的法向量，通过最小二乘法实现，同时展示了CSDN博客中的相关代码片段，包括计算协方差矩阵和自适应解算器的步骤。

摘要由CSDN通过智能技术生成

有些项目实现需要平面点云整体的法向量.

求平面法向量与拟合平面本质是一样的.我们也可以用LS来求取,这里给出了pca的方法和部分代码

LS 的在这里pcl 最小二乘求平面点云法向量-CSDN博客

void find_elipse_center_opencv::pca_PointXYZ(CP CloudIn, Vector3f& values, Matrix3f& vectors) {
    Matrix3f covariance1 = Matrix3f::Zero();
    //Matrix3f covariance2 = Matrix3f::Zero();
    MatrixXf xyz_id = CloudIn->getMatrixXfMap(3, 4, 0);
    Vector3f xyz_mean = xyz_id.rowwise().mean();
    xyz_id = xyz_id.colwise()-xyz_mean;

    int cloud_size = CloudIn->size();
    //计算X^T*X,可以单算协方差矩阵每个位置的值,也可以像下面这种直接成
    for (int i = 0; i < cloud_size; i++) {//直接乘的X^T*X
        covariance1 += xyz_id.col(i) * (xyz_id.col(i).transpose());
    }
    covariance1 /= cloud_size;
    Eigen::SelfAdjointEigenSolver<Matrix3f> es(covariance1);
    if (es.info() != Eigen::Success) {
        cout << "pca失败" << endl;
        return;
    }
    vectors = es.eigenvectors();
    values = es.eigenvalues();
    vectors.colwise().normalize();
    return;
    //分开算的
    /*float x2 = xyz_id.row(0) * (xyz_id.row(0).transpose());
    float y2 = xyz_id.row(1) * (xyz_id.row(1).transpose());
    float z2 = xyz_id.row(2) * (xyz_id.row(2).transpose());
    float xy = xyz_id.row(0) * (xyz_id.row(1).transpose());
    float xz = xyz_id.row(0) * (xyz_id.row(2).transpose());
    float yz = xyz_id.row(1) * (xyz_id.row(2).transpose());
    Matrix3f covariance2;
    covariance2 << x2, xy, xz, xy, y2, yz, xz, yz, z2;
    covariance2 /= cloud_size;*/ 

    //for (int k = 0; k < 2; k++) {
    //    int temp = CloudIn->size() / 2;
    //    for (int i = temp * k; i < temp * k + temp; i++) {

    //    }
    //}

}