点云平面拟合

jessie的垃圾桶

点云目标检测训练数据预处理---平面拟合与坐标转换(python实现)在做centerpoint训练之前，需要先对点云数据进行标注，然后制作kittti数据集。不用nuScenes或者waymo数据集的理由也很简单，因为麻烦，没有kitti数据集直观。 kitti数据集的格式如下，可以看到数据集中只有航向角，意味着数据集默认地平面为xoy面或与xoy面平行（本人在交通领域就业，所以采集的点云场景一般都是路面场景，激光雷达的安装位置和公路上的监控摄像头位置差不多) 但是一般激光雷达的安装角度未知，如果不将点云数据中的地平面转换成xoy面或与xoy面平行，做数据标注的时候会比较

基于主成分分析(PCA)的平面拟合（python）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。