Geometry 寻找点云最密集区域的质心

我有一个三维点云。我想找到“最密集区域”的质心，这意味着我想找到一个接近于点云卷积最大值位置的近似值，该卷积具有一个球形高斯尺度σ（其中适当选择σ，以便卷积中只有一个明确的全局最大值，对应于与点分布相关的“最密集区域”和中心性的直观概念）

---

我假设我可以使用诸如RANSAC之类的应用于质心计算的方法来估计解决方案，以丢弃异常值？或者是否有更好、更稳健或更有效的方法来找到点云的质心，以对异常值不敏感的方式？

这可能有助于您在PCL fast中搜索最高密度区域o你的配件更加有边界，并且已经有了很好的起点。你只需要答案中的前3个项目，然后将它们移植到3D…一直在试图思考如何以类似重力的方式处理这个问题（想想黑洞塌陷点）。我经常遇到的问题是距离和密度的截止值。给定两个或更多的群集，不清楚在什么情况下应该合并群集还是丢弃其中一个群集。如果群集的密度相差很大，这很容易，但当它们的密度相似时，就很难说了。@Nularman这不是一个坏主意。我用h最近有一些点云数据用于另一个问题，我试图让一个模糊点云捕捉到清晰的表面——因此我反复将每个点移动到其k近邻的质心。这并没有使数据集变成表面，而是变成细细的字符串——非常类似于星系在大学中的分布se——然后这些弦最终坍缩成由许多重合点组成的独立星团（有点像超大质量星系和黑洞是如何形成的）。也许我可以用这个……我在这里问了一个类似的问题：@AnisLOUNIS是的，这几乎是同一个问题。我认为答案是对空间的离散采样进行高斯平滑，然后找到全局最大值。然后是协方差（轴的大小）高斯分布是唯一的一组参数。但是，对于大空间和/或高维，离散化步骤的成本可能会很高。这可能有助于您快速搜索PCL中的最高密度区域。因此，您的拟合更加有界，并且已经有了良好的起点。您只需要回答中的前3个项目，然后将它们移植到3D…一直在思考如何以类似重力的方式处理这个问题（想想黑洞的崩溃点）。我经常遇到的问题是距离和密度的截止值。给定两个或更多的群集，不清楚在什么情况下应该合并群集还是丢弃其中一个群集。如果群集的密度相差很大，这很容易，但当它们的密度相似时，就很难说了。@Nularman这不是一个坏主意。我用h最近有一些点云数据用于另一个问题，我试图让一个模糊点云捕捉到清晰的表面——因此我反复将每个点移动到其k近邻的质心。这并没有使数据集变成表面，而是变成细细的字符串——非常类似于星系在大学中的分布se——然后这些弦最终坍缩成由许多重合点组成的独立星团（有点像超大质量星系和黑洞是如何形成的）。也许我可以用这个……我在这里问了一个类似的问题：@AnisLOUNIS是的，这几乎是同一个问题。我认为答案是对空间的离散采样进行高斯平滑，然后找到全局最大值。然后是协方差（轴的大小）高斯分布是唯一的一组参数。然而，对于大空间和/或高维，离散化步骤可能代价高昂。