Open3D配准方法之SVD法
在计算机视觉领域中，点集之间的配准是一个重要的问题。而 Open3D 提供了一种基于奇异值分解（SVD）的点云配准方法，称为 SVD 注册。
SVD 注册是指使用奇异值分解来寻找最优旋转矩阵和平移向量以最小化两个点云之间的距离。这种方法被认为是全局最优的，且不需要初值。
下面我们将介绍如何在 Open3D 中使用 SVD 注册方法实现点集的配准。
首先，我们需要加载所需的库和点云数据：
import open3d as o3d
import numpy as np
# 读入待配准的点云
source = o3d.io.read_point_cloud("path_to_source_pointcloud.pcd")
target = o3d.io.<