针对点云,如何找到最接近的平面,既要精确又要快速?
我搜索了最近的平面,但没有找到相关信息。
我想用这个方法将它们捕捉到该平面上。
针对点云,如何找到最接近的平面,既要精确又要快速?
我搜索了最近的平面,但没有找到相关信息。
我想用这个方法将它们捕捉到该平面上。
我认为你也可以使用主成分分析来完成这个任务:
计算你的点的平均值:
C = (0,0,0);
for each point Ri in your dataset,
{ C += Ri; }
C = C * 1.0 / npoints;
计算您的数据点的协方差矩阵:
A = zeros(3,3);
for each point Ri in your dataset,
{
D = Ri - C;
A += D*D'; // outer product
}
计算A的逆矩阵,A_inv:
A_inv = inv(A)
通过反复应用A_inv到一个随机初始向量来执行幂迭代:
N = random vector.
for i=1:20 (or so)
{
N = A_inv*N;
N = normalize(N);
}
从原点到你的平面的偏移量为k = dot(N,C)。描述你的平面的方程是所有满足k = dot(N,R)的点R。