2D场景下结合SVD实现Kabsch点集对齐算法的调试与问题排查

实现目标 #

在2D空间下完成三类变换的解算与组合：将计算得到的缩放、旋转、平移结果统一作用于源点集A，实现源点集向目标点集B的精准对齐。

现有算法实现逻辑 #

• 缩放系数计算：分别统计点集A、B相邻点对的距离平方和，取两个统计值比值的平方根作为缩放系数
• 旋转矩阵计算：先计算两个点集的质心，基于质心得到去中心化的点坐标后构造交叉协方差矩阵，对该矩阵做SVD（奇异值分解）求解旋转矩阵，同时针对协方差矩阵行列式为负的反射特殊情况做符号修正
• 平移量计算：基于完成旋转、缩放变换后的源点集质心，与目标点集质心的差值求解最终平移量

调试过程中出现的异常 #

• 自行实现的2D SVD分解结果中，U、V矩阵的元素符号与在线SVD计算器的输出存在大量不一致，更换多份公开参考的2D SVD实现代码后，该符号差异问题依然存在
• 求解得到的旋转矩阵存在角度偏差，需要针对不同输入手动修正旋转角度（如用180°减去原角度、360°减去原角度等操作）才能实现有效对齐，平移与缩放的计算结果始终符合预期

多轮问题排查过程 #

围绕异常点依次开展了逻辑校验：

• 核对交叉协方差矩阵的构造流程
• 验证SVD分解正确性：通过计算U*S*V^T确认结果可完整还原原协方差矩阵
• 核对平移量的求解逻辑
  最初将协方差矩阵行列式为负的反射场景判定为问题根因，先后调整协方差构造逻辑、平移计算逻辑，异常现象没有得到解决。

最终根因与解决结果 #

最终排查确认，所有异常的根因为测试环节输入的两组点集的点序不匹配，修正测试输入的点序对应关系后，算法即可正常输出对齐变换结果，目前已对全部实现代码完成整理优化。

补充说明：SVD分解本身存在符号不唯一性，只要满足U*S*V^T = 原矩阵的约束，U和V的对应列同步取反不会破坏分解的正确性，这也是不同SVD实现、在线工具输出存在符号差异的核心原因，不属于实现bug。

内容的提问来源于stack exchange，提问作者Martin Capoušek