matlab怎么将点云数据用最小二乘方法拟合出平面

%点X,Y,Z到平面Ax+By+Cz+D=0的距离为
%d(ABCD,XYZ)=|AX+BY+CZ+D|/sqrt(A^2+B^2+C^2)
%ABCD四个变量只有三个是互相独立的
%设A=cos(a);B=sin(a)*cos(b);C=sin(a)*sin(b)
%那么A^2+B^2+C^2=1,距离公式化简为
%d(abc,XYZ)=|cos(a)*X+sin(a)*cos(b)*Y+sin(a)*sin(b)*Z+c|
%现在有已知点序列X，Y，Z，求参数 a b c
%先构造一个函数fun(p) 输入参数为p，其中p(1)=a,p(2)=b,p(3)=c
%使用 lsqnonlin求得p,使得sum((fun(p))^2)最小

fun=@(p) cos(p(1))*X+sin(p(1))*cos(p(2))*Y+sin(p(1))*sin(p(2))*Z+p(3);
p = lsqnonlin(fun,[0 0 0]);
A=cos(p(1));B=sin(p(1))*cos(p(2));C=sin(p(1))*sin(p(2));D=p(3);

[线性解法]：

设平面方程aX+bY+cZ+d=0, 两边同除以d，有：aX+bY+cZ = -1

然后就可以做线性最小二乘了：

H = [X Y Z];
Y = -ones(size(X));
P = H\Y;

得到的P是一个长度3的向量，分别是[a; b; c]

代码供参考（你只需要最后两行）：

% 生成测试数据
X = randn(5241,1);
Y = randn(5241,1);
% 平面方程
Z = -0.5*X+0.6*Y+0.7;
% 数据加入噪声
Z = Z + randn(5241,1)*0.1;

% 数据拟合
f=inline('c(1)*x(:,1)+c(2)*x(:,2)+c(3)','c','x');
c=lsqcurvefit(f,[1 1 1],[X Y],Z)