Upgrade to Pro — share decks privately, control downloads, hide ads and more …

主成分分析による3次元点群の形状解析

Kenta Itakura
September 25, 2025

 主成分分析による3次元点群の形状解析

Kenta Itakura

September 25, 2025

Transcript

14 slides
  1. 主成分分析(PCA: Principal Component Analysis)の概要 2  多次元データの主な変動方向を抽出する手法 対象の小豆島の点群 • 左図:データの直線性が低くあらゆ

    る方向に広がっている • 右図:データの直線性が高く第1主 成分で元データの大半を説明でき る  共分散行列の固有値・固有ベクトルを計算し、データの広がりの方向を抽出  点群に適用することで、局所的な形状の特徴を数値で捉えられる 2次元データにおけるPCAの概要図
  2. 4 3次元点群におけるPCAの計算 2. データを中心化し共分散行列を求める b. データの中心化 c. 共分散行列の計算 例えば5点の3次元点群の場合 について下記のように計算でき、

    が求まる 共分散行列の各要素は以下の通りとなる • 𝑘: サンプル番号 • 𝑖, 𝑗: 特徴量の番号 • 𝑖と𝑗は入れ替えても値が同じになるため
  3. 先に求めていた共分散行列 より 写像後の共分散行列は、 転置の性質 より、 5 3次元点群におけるPCAの計算 3. 分散が最大になる方向を基準に新しい座標 を作成

    (固有ベクトルを とする) 4. 写像後の分散が最大となる固有ベクトル を求める a. 写像後の共分散行列を求める 解を一意に定めるため の制約を設ける ( が1.1倍や1.2倍などの場合も解となることを防ぐ) より、
  4. この式から となり、これを解けばよい(固有方程式) 6 3次元点群におけるPCAの計算 4. 写像後の分散が最大となる固有ベクトル を求める b. ラグランジュ乗数法を用いて解く ◆

    ラグランジュ乗数法: それぞれの変数で微分して0になる点を調べることで 解を得る手法。拘束と目的となる値がある場合に有効 最大化する対象: 拘束条件: ラグランジュ方程式を立てる ◆ ラグランジュ方程式: 最大化したい値から、拘束条件にラグランジュ乗数を かけて引き算したもの これを各変数で偏微分する 対象行列 の二次形式 を微分すると となる性質より、
  5. 7 3次元点群におけるPCAの計算 4. 写像後の分散が最大となる固有ベクトル を求める c. 固有値固有ベクトルを求める 固有方程式を展開する ( のみスカラーのため、行列と演算を行うために単位行列

    を用いる) となる解を探すため …(式1) 求めた を式(1)に代入し、各 に対応する固有ベクトルを求める ◆ det(A): 行列Aの行列式で、1つのスカラー値を表す 3次元点群データの場合、3つの固有値が求まる 固有値: 固有ベクトル:
  6. 8 3次元点群データにおけるPCAの流れ(まとめ) • 各点のk近傍点を取得 • 近傍点群の共分散行列を計算 • 固有値・固有ベクトルを取得 k =

    5近傍点 k = 15近傍点 PC1 PC2 PC3 近傍点の数が異なると主成分軸も異なる PC1 PC2 PC3 ◆ 主成分分析における固有値と固有ベクトル: データのばらつきの方向とその重要度 例)点が平面状に分布している場合 • 第1・第2主成分は平面内の方向 • 第3主成分は平面からの微小なズレ →主成分分析で得られた固有値・固有ベクトルから 3次元構造の特徴を取得できる
  7. 指標 特徴 1に近いほど直線的 1に近いほど平面的 1に近いほど分散している 例 道路の縁石、鉄道のレール 屋根、建物の壁面 樹木の葉、球状の物体 固有値からわかる幾何学的特徴

    9  固有値の大小関係で形状を分類 構造 固有値の関係 例 線形 𝜆1 ≫ 𝜆2 ≫ 𝜆3 電線、枝など 平面 𝜆1 ≈ 𝜆2 ≫ 𝜆3 地面、壁など 𝜆1 ≈ 𝜆2 ≈ 𝜆3 ノイズ、葉、球など  代表的な指標 Linearity = (𝜆1−𝜆2) 𝜆1 Planarity = (𝜆2−𝜆3) 𝜆1 Scattering = 𝜆3 𝜆1
  8. 10 3次元点群データにおけるLinearityの例  球体状の点群の場合 • 分布が一定の方向を持たない → 低い直線性 k =

    50近傍点 k = 50近傍点 k = 20近傍点 • より直線的な領域ほどLinearityが高くなる • ノイズがあると直線性が低下 • 近傍点数を減らすと直線性増す  直線的な点群の場合
  9. ◆ 壁面 PCAと法線ベクトルの関係 12  法線ベクトル PCAによって得られた固有ベクトルのうち、最小固有値𝜆3 に対応するベクトル → 点群が広がっていない方向

    • 壁面の法線ベクトル:地面と平行なことが多い • 地面の法線ベクトル:地面と垂直なことが多い • 植生の法線ベクトル:特定の方向を持たないことが多い 法線ベクトル ◆ 地面 ◆ 植生

More Decks by Kenta Itakura

Other Decks in Technology