基于主成分分析(PCA)的平面拟合(python)

1、原理介绍

主成分分析(PCA)可以用来从点云数据中找到最佳拟合平面。PCA 的基本思想是通过变换坐标系,使得数据在新坐标系下的方差最大。对于二维数据,这通常意味着找到数据的最大变异性方向;对于三维数据,PCA 可以找到两个最大的变异方向,这两个方向构成了最佳拟合平面。

2、推导过程

假设我们有一组三维点云数据 {Pi​},其中每个点 Pi​ 都可以用坐标 (xi​,yi​,zi​) 表示。我们想要找到一个平面,该平面能最好地拟合这些点,即找到一个平面方程 ax+by+cz+d=0,使得所有点到这个平面的距离平方和最小。

下面是 PCA 拟合点云平面的基本步骤:

3、测试代码

基于python、pycharm编写的源代码,下载链接:https://download.csdn.net/download/qq_32867925/89598297

随机生成一个在平面x+y-z-5=0上的点集,共1万点,利用pca拟合得到平面方程,再对平面进行可视化。

python 复制代码
numpt = 10000
points = []

for _ in range(numpt):
    x = random.randint(0, 500)
    y = random.randint(0, 500)
    z = 1 * x + 1 * y - 5  # 假设平面方程类型 x+y-z-5=0
    points.append((x,y,z))

points = np.array(points)

如下图所示,点使用红色进行渲染,拟合得到的平面用蓝色进行渲染。可以发现,拟合平面与点基本重合,估算平面方程正确。

相关推荐
databook3 小时前
Manim实现闪光轨迹特效
后端·python·动效
Juchecar4 小时前
解惑:NumPy 中 ndarray.ndim 到底是什么?
python
用户8356290780514 小时前
Python 删除 Excel 工作表中的空白行列
后端·python
Json_4 小时前
使用python-fastApi框架开发一个学校宿舍管理系统-前后端分离项目
后端·python·fastapi
数据智能老司机11 小时前
精通 Python 设计模式——分布式系统模式
python·设计模式·架构
数据智能老司机12 小时前
精通 Python 设计模式——并发与异步模式
python·设计模式·编程语言
数据智能老司机12 小时前
精通 Python 设计模式——测试模式
python·设计模式·架构
数据智能老司机12 小时前
精通 Python 设计模式——性能模式
python·设计模式·架构
c8i12 小时前
drf初步梳理
python·django
每日AI新事件12 小时前
python的异步函数
python