点云杆状点簇拟合高密度直线，基于z值预测x、y坐标
2026-6-28
问题描述
我的点云中存在点簇，需要沿最高密度方向为这些点簇拟合一条直线，以此预测特定高度下的x、y坐标。这些点簇大多是带噪声且略有倾斜的“杆状物体”。我之前查找解决方案时主要接触到多元线性回归，但误以为它无法解决这个问题，希望能得到可行思路。
示例数据
| x | y | z |
|---|---|---|
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.3 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.3 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.8 | 5530846.3 | 256.2 |
| 360155.8 | 5530846.3 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.8 | 5530846.3 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.8 | 5530846.3 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.3 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
| 360155.9 | 5530846.4 | 256.2 |
解决方案
之前误以为多元线性回归行不通，实际验证后发现这个简单方案完全适用。直接使用sklearn中的线性回归模型，将x、y坐标作为因变量，高度z作为自变量进行回归，在我的场景中拟合效果良好，能够满足特定高度下x、y坐标的预测需求。
内容的提问来源于stack exchange，提问作者OverflowEnte
相关产品推荐
相关产品推荐
