本文共 619 字,大约阅读时间需要 2 分钟。
平面的法向量:垂直于平面的直线所表示的向量为该平面的法向量。找一堆点最小特征值对应的特征向量
应用: 1、寻找地面:法向量朝上的 2、分割、聚类算法平面法向量的算法步骤:
我们有很多点,要找一个平面使得每一个点投影到这个法向量上面的数值之和最小。 乘积即为投影 C和n都是独立的,我们先看c, c就是下图右边的中心点: 然后对其进行一次正规化:也就是减去其中值,就可以将问题转化为下述公式: ps: s.t:表示约束条件,框内约束就是z的模长等于11、选择一个邻域:
当邻域大的时候,法向量相对平滑,噪声影响小,对于非常精细的结构,精度不够准确; 当邻域小的时候,法向量不够平滑,噪声影响大,对于非常精细的结构,精度相对准确。 2、可以根据实验来确定,或者依据点云的颜色和反射率其他信息决定。 3、ransac 4、深度学习和法向量估计的唯一区别就是多加了权重,权重矩阵可以依据颜色相似度和反射率来设置,解法是一样的。
也可以用深度学习来解决法向量的噪声问题。 例子:输入图,使用神经网络提取特征,输出深度信息,法向量,语义标签等信息。 scale:感知域。 和上面的一样使用大小不同的scale,使得点的不同信息得以提取。以上公式和图片基本来自于老师上课PPT,仅作为存稿、学习,交流使用,不进行商业化活动。
觉得有用记得点赞!转载地址:http://scexi.baihongyu.com/