SVD求解三维点集之间的变换矩阵
针对三维重建中的多点空间变换关系,通过最小二乘+SVD分解方法求解变换矩阵,即旋转+平移,旋转可能是绕x、y、z旋转不同角度的结果,常被应用于机械臂控制、三维重建、场景建模等方面。
参考-- 视觉SLAM十四讲:
1.假设有一组配对好的3D点:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/bdb44a5083528cc9a862852b0eb31387.png)
这个问题可以用迭代最近点(Iterative Closest Point,ICP)求解,主要有两种方式:SVD、非线性优化的方式
2.SVD方法建模:
2.1 首先,定义第 i 对匹配点的误差项:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/88e158b4500aaae3370dc65defd88734.png)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/69163005430ca2d512c5a62834bdf741.png)
2.2 将重点定为旋转矩阵R的求解:
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/6790f171da4d3be95b4d48522c620293.png)
除此方法外,还可通过四元数法计算点集配准关系,具体参考: