Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Feature Description with Feature Point Registration Error Using Local and Global Point Cloud Encoders Perihalan Ciri dengan Ralat Pendaftaran Titik Ciri Menggunakan Pengekod Awan Titik Tempatan dan Global

Kenshiro TAMATA, Tomohiro MASHITA

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Pendekatan biasa untuk membina semula model persekitaran 3D ialah mengimbas persekitaran dengan penderia kedalaman dan menyesuaikan awan titik terkumpul kepada model 3D. Dalam senario jenis ini, aplikasi pembinaan semula persekitaran 3D am menganggap pengimbasan berterusan sementara. Walau bagaimanapun dalam beberapa kegunaan praktikal, andaian ini tidak boleh diterima. Oleh itu, kaedah padanan awan titik untuk mencantum beberapa imbasan 3D tidak berterusan diperlukan. Padanan awan titik selalunya termasuk ralat dalam pengesanan titik ciri kerana awan titik pada asasnya merupakan persampelan jarang bagi persekitaran sebenar dan ia mungkin termasuk ralat pengkuantitian yang tidak boleh diabaikan. Selain itu, penderia kedalaman cenderung mempunyai ralat disebabkan oleh sifat reflektif permukaan yang diperhatikan. Oleh itu, kami membuat andaian bahawa pasangan titik ciri antara dua awan titik akan termasuk ralat. Dalam kerja ini, kami mencadangkan kaedah perihalan ciri yang mantap kepada ralat pendaftaran titik ciri yang diterangkan di atas. Untuk mencapai matlamat ini, kami mereka bentuk model perihalan ciri berasaskan pembelajaran mendalam yang terdiri daripada penerangan ciri tempatan di sekitar titik ciri dan penerangan ciri global bagi keseluruhan awan titik. Untuk mendapatkan perihalan ciri yang mantap kepada ralat pendaftaran titik ciri, kami memasukkan pasangan titik ciri dengan ralat dan melatih model dengan pembelajaran metrik. Keputusan percubaan menunjukkan bahawa model perihalan ciri kami boleh menganggar dengan betul sama ada pasangan titik ciri adalah cukup hampir untuk dianggap padan atau tidak walaupun ralat pendaftaran titik ciri adalah besar, dan model kami boleh menganggarkan dengan ketepatan yang lebih tinggi berbanding kaedah seperti FPFH atau 3DMatch. Selain itu, kami menjalankan percubaan untuk gabungan awan titik input, termasuk awan titik tempatan atau global, kedua-dua jenis awan titik dan pengekod.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E105-D No.1 pp.134-140
Tarikh penerbitan
2022/01/01
Diumumkan
2021/10/11
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2021EDP7082
Jenis Manuskrip
PAPER
kategori
Pengecaman Imej, Penglihatan Komputer

Pengarang

Kenshiro TAMATA
  Osaka University
Tomohiro MASHITA
  Osaka University

Kata kunci

Contents [show]