用奇异值分解法(SVD)对齐2组三维点
用奇异值分解法(SVD)对齐2组三维点
提问于 2016-03-03 09:21:45
我想把等高线上的一组参考点转换成一组对应的目标点。每个等高线共有8个点。
为了计算旋转和平移向量，我使用Math.Net数字库来执行SVD计算--这个想法来自于这个URL (第3-7页)：
但不知何故，我注意到使用SVD计算结果进行的转换似乎不准确。结果如下：
转换应该将参考点尽可能地移动到目标点，但正如突出显示的那样，它会远离目标点。
此外，我还做了一个简单的测试，计算轮廓的质心并执行演绎：(TargetCentroid - RefCentroid =平移向量)。最后的转换结果与通过SVD的结果相同。
我做错什么了吗？有人能提出一个更好的解决方案，将参考点转换为目标点吗？
编辑： 1.服装从参考模型到各种目标模型的转换
回答 1
Stack Overflow用户
发布于 2016-03-03 10:17:15
这似乎是这个问题过于复杂的解决办法。
如果你有目标点，你就可以把给定的点和它们对应的目标点联系起来。
或者，如果目标是相同的网格，但不同的尺度和旋转，你可以只需要在转换值，比例和旋转尊重，而不需要逐个遍历所有的点。
使用Vector3.Lerp
编辑:另外，lerping会导致所有点同时到达它们的目标，在大多数情况下，这就是想要的行为。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/35767936
复制相关文章
相似问题
腾讯云开发者
