PCL中实现点云法向量盘算

原理

法线的界说：法线是指垂直于一个平面的法向量。
对于点云（非固定平面）数据，怎样盘算法线？告急有两种方法：
外貌网格技能：从获取的数据中提取一个根本的外貌，然后从网格中盘算外貌的法线。
近似值推断法：直接从点数据会合推断外貌法线。其核心头脑是：为每个点盘算其外貌的切平面，这通常通过最小二乘平面拟合来估计。
那什么是最小二乘平面拟合呢？
给定一组三维数据点，找到最佳拟合平面 Z = AX + BY + C，使得全部数据点到该平面的垂直隔断（残差）的平方和最小。
在点云处置处罚中，通常利用主因素分析（PCA） 来实现平面拟合。PCA的核心目标是通过降维和去干系，找到数据变革的告急方向。
PCA的实现流程先对点云去中央化，然后再盘算斜方差矩阵，末了计盘算协方差矩阵的特性向量，此中最小特性值对应的特性向量就是法向量。
算法实现

协方差矩阵盘算：

1. #include <pcl/common/centroid.h>   // 协方差矩阵计算的头文件
3. Eigen::Vector4f centroid;          // 存储均值 (x, y, z, 1)
4. Eigen::Matrix3f covariance;         // 3x3协方差矩阵
5. // 核心一行：计算均值和协方差矩阵
6. int points_used = pcl::computeMeanAndCovarianceMatrix(*cloud, covariance, centroid);

复制代码

特性向量求解：

1. Eigen::Vector3f eigenvalues = solver.eigenvalues(); //特征值
2. Eigen::Matrix3f eigenvectors = solver.eigenvectors();  // 列向量对应特征值
3. Eigen::Vector3f normal = solver.eigenvectors().col(0); // 法向量赋值

复制代码

全部点盘算法向量：

1. for each point p in cloud:
2.     // 1. 找到 p 的邻域点集（半径内或 K 个最近邻）
3.     neighbors = tree->radiusSearch(p, radius);
5.     // 2. 如果邻域点数不足（如 < 3），法向量设为 NaN 或跳过
6.     if (neighbors.size() < 3) continue;
8.     // 3. 计算邻域重心
9.     Eigen::Vector4f centroid;
10.     computeCentroid(neighbors, centroid);
12.     // 4. 构建协方差矩阵
13.     Eigen::Matrix3f cov = Eigen::Matrix3f::Zero();
14.     for each neighbor in neighbors:
15.         Eigen::Vector3f centered = neighbor - centroid;
16.         cov += centered * centered.transpose();
17.     cov /= neighbors.size();   // 或除以 (n-1)
19.     // 5. 特征分解
20.     Eigen::SelfAdjointEigenSolver<Matrix3f> solver(cov);
21.     Eigen::Vector3f normal = solver.eigenvectors().col(0);  // 最小特征值对应特征向量
23.     // 6. 法向量定向（使指向传感器方向）
24.     if (normal.dot(p - viewpoint) < 0) normal = -normal;
26.     // 7. 存储法向量
27.     cloud_normals[i] = normal;

复制代码

但在PCL中，有封装好了完备的实现函数pcl::NormalEstimation，因此只必要几行代码就能实现法向量盘算

1. #include <pcl/features/normal_3d.h>    // 法向量估计头文件
3. // 创建法向量估计对象
4. pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
5. ne.setInputCloud(cloud);   // 设置输入点云
7. ne.setSearchMethod(tree);   // 设置邻域搜索方式
8. //设置搜索半径（0.03 米）
9. ne.setRadiusSearch(0.03);
11. //创建存储法向量的点云对象，并执行计算
12. pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);
13. ne.compute(*cloud_normals);   // 核心计算：遍历每个点，估计法向量

复制代码

完备代码

[code]#include #include #include  #include int main() {    // 1. 加载点云    pcl:ointCloud:tr cloud(new pcl:ointCloud);    if (pcl::io::loadPCDFile("02.pcd", *cloud) == -1) {        std::cerr