利用SVD的方法求解ICP(详细推导)
来源:互联网 发布:古墓丽影8mac配置要求 编辑:程序博客网 时间:2024/06/07 05:17
引用资料(理论部分其实就是把第一个的不详细和错误的地方说了一下,翻译了一下第二个文献以及不明了的地方说一下O(∩_∩)O哈哈~):
高翔《视觉SLAM十四讲》
K. S. ARUN, T. S. HUANG, AND S. D. BLOSTEIN
Least-Squares Fitting of Two 3-D Point Sets
问题描述
假设存在两个点云集合
求:一个欧氏变换
求解问题
解:
假设误差项为
那么问题转化为优化问题:
定义质心为:
那么有:
因为
所以问题转化为:
因为左右两边都大于等于零,而且左边只和
那么按照书里计算过程
>
1. 计算两组质心位置p,p’,然后计算每个点的去质心坐标:
qi=pi−p,q′i=p′i−p′
2.根据以下优化问题计算旋转矩阵:
R∗=argminR12∑∥qi−Rq′i∥2
3.根据2的结果计算t
t∗=p−Rp′
展开关于R的误差项有:
因为第一项与R无管,第二项由于
令
因为问题是求解
即:
假设最优解
那么
对H进行SVD分解
可以得到
那么
令
因为
所以
最优解
现在只要证明
根据Schwarz不等式
即
注意这个计算需要H是满秩,
几个情况需要考虑
1.H是满秩,
2.
3.
代码
有空传吧
如果您觉得此博客对您有用,欢迎对我进行小额赞助。
不筹钱娶媳妇的程序员不是好程序员!
阅读全文
1 0
- 利用SVD的方法求解ICP(详细推导)
- 利用SVD分解求解协方差的特征值以及特征向量--matlab
- SVM推导过程及SMO详细求解过程(一)
- SVM推导过程及SMO详细求解过程(二)
- SVM的详细推导
- 关于使用SVD分解方法求解AX=0方程的一点说明
- ICP 方法
- 求解线性方程组(SVD,QR,Gauss,LU)
- SVD 与 PCA 的直观解释(3): SVD的直观解释及推导
- 奇异值分解(SVD)原理详解及推导 (转)
- 奇异值分解(SVD)原理详解及推导 (转)
- 奇异值分解(SVD)原理详解及推导 (转)
- PCA、SVD、协方差矩阵求解的关系和对比(例子说明)
- BP的详细推导过程
- 利用蒙特卡洛方法近似求解π的值
- 图像压缩(SVD方法)
- 矩阵广义逆求解(QR、svd、LU)
- 机器学习实战-SVD与特征值分解的理论推导及SVD在推荐系统中的应用
- 第八章 拦截器机制(三) 自定义拦截器
- MyBatis学习(四)-实现一对多的关联表
- HDU
- python识别验证码
- 数模算法-数值分析算法
- 利用SVD的方法求解ICP(详细推导)
- 使用Java8 Files类读写文件
- 数模算法-图象处理算法
- 生活随笔:怀念在广州大学的日子
- python基础4
- Reinforcement Learning强化学习系列之一:model-based learning
- go web: 4 处理默认错误
- NuttX 入门笔记6 STM32F103C8T6(STM32f103-minimum) 多路PWM测试-RGBLED
- Android,我么用原生还是混合?