第一：pca_normal.py

# 實現PCA分析和法向量計算，并加載數據集中的文件進行驗證import open3d as o3d
import os
import numpy as np
from pyntcloud import PyntCloud#pyntcloud是一個用于處理3D點云的Python庫# 功能：計算PCA的函數
# 輸入：
#     data：點云，NX3的矩陣
#     correlation：區分np的cov和corrcoef，不輸入時默認為False
#     sort: 特征值排序，排序是為了其他功能方便使用，不輸入時默認為True
# 輸出：
#     eigenvalues：特征值
#     eigenvectors：特征向量
def PCA(data, correlation=False, sort=True):#（1）先標準化#計算均值data_mean=np.mean(data,axis=0)#axis =0 是指對列進行求均值， axis=1是指對行求均值pin#歸一化normalize_data=data-data_mean#(2)SVD分解#構造協方差矩陣H=np.dot(normalize_data.T,normalize_data)#SVD分解eigenvectors,eigenvalues,eigenvectoes_t=np.linalg.svd(H)if sort:sort = eigenvalues.argsort()[::-1]eigenvalues = eigenvalues[sort]eigenvectors = eigenvectors[:, sort]

總結

以上是生活随笔為你收集整理的点云第一期作业习题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。