PCL法向量估计 之 方向约束法向量（Orientation Guided Normal）

1. OGN（Orientation Guided Normals）是什么？

OGN = Orientation Guided Normal Estimation

核心思想：

不是单纯依赖 PCA，而是利用点云的局部"方向分布"来约束法向方向，使其沿着真实几何结构变化，而不是跳变。

具体而言：

1. 用 PCA 得到初步法向

2. 计算每个点局部主方向（类似主曲率方向）

3. 用邻域方向分布作为"指导向量 field"

4. 使用加权图传播，让法向沿几何方向（edge/crease）一致，但不跨边界错误翻转

因此相比 PCA，它能够：

• 保持锐边

• 减少噪声

• 降低翻转错误

• 法向在表面连续区域一致

2. 数学原理（逐步推导）

(1) PCA 得到局部主方向

对点云每个点，找邻域 kNN / radius

得到：

• v1v_1v1​：法向方向（初估）

• v2v_2v2​、v3v_3v3​：切平面方向

(2) 计算局部主方向（Guiding Direction）

定义 guiding direction 为：

(3) 构建权重图（graph）

两个点 i,j 的权重：

解释：

• 道路1：距离近的点权重大

• 道路2：切向方向一致 → 说明在同一个流形局部

(4) Guided normal smoothing

在图上做迭代：

(5) 最终法向 = 引导平滑后的法向

3、matlab实现

%% ----------- 读取点云 ------------
ptCloud = pcread('bun000.ply');
P = ptCloud.Location;
N = size(P,1);

% 参数
k = 30;     % 邻域
h = 0.03;   % smoothing 参数

%% ----------- Step 1: PCA 初始法向与切线方向 -----------
normals = zeros(N,3);
guides = zeros(N,3);

knn = KDTreeSearcher(P);

for i = 1:N
    idx = knnsearch(knn, P(i,:), 'K', k);
    nn = P(idx,:) - mean(P(idx,:),1);

    C = (nn' * nn) / k;
    [V,D] = eig(C);

    [d,order] = sort(diag(D),'ascend');
    V = V(:,order);

    normals(i,:) = V(:,1)';     % 最小 eigen → 法向
    guides(i,:)  = V(:,3)';     % 最大 eigen → 主方向
end

%% ----------- Step 2: 法向方向一致化（Orientation Guided）-----------
normals_new = normals;

for iter = 1:10
    disp(['Iteration ' num2str(iter)]);

    normals_temp = zeros(N,3);

    for i = 1:N
        idx = knnsearch(knn, P(i,:), 'K', k);
        wi = zeros(length(idx),1);

        for t = 1:length(idx)
            j = idx(t);
            dist = norm(P(i,:) - P(j,:));
            w1 = exp(-(dist^2) / (h^2));

            % direction constraint
            w2 = abs(dot(guides(i,:), guides(j,:)));

            wi(t) = w1 * w2;
        end

        % weighted sum
        Ni = wi' * normals_new(idx,:);

        normals_temp(i,:) = Ni / norm(Ni);
    end

    normals_new = normals_temp;
end

%% ----------- Step 3: 绘制结果比较 -----------
figure;
subplot(1,2,1);
pcshow(P, 'MarkerSize', 20); hold on;
quiver3(P(:,1), P(:,2), P(:,3), normals(:,1), normals(:,2), normals(:,3), 0.6, 'r');
title('PCA Normals');

subplot(1,2,2);
pcshow(P, 'MarkerSize', 20); hold on;
quiver3(P(:,1), P(:,2), P(:,3), normals_new(:,1), normals_new(:,2), normals_new(:,3), 0.6, 'g');
title('Orientation Guided Normal');