文献

J-GLOBAL ID：201802235269422604   整理番号：18A1022380

レーザ走査三次元点雲データにおける円あてはめのためのロバストな統計的アプローチ【JST・京大機械翻訳】

Robust statistical approaches for circle fitting in laser scanning three-dimensional point cloud data

著者 (3件)： Nurunnabi Abdul (Center for Spatial Information Science, The University of Tokyo, Tokyo, Japan) ,  Sadahiro Yukio (Center for Spatial Information Science, The University of Tokyo, Tokyo, Japan) ,  Laefer Debra F. (Center for Urban Science and Progress and Department of Civil and Urban Engineering, New York University, New York, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 81  ページ： 417-431  発行年： 2018年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,異常値の存在下での不完全(部分アーク)レーザ走査点雲データに対する円あてはめの問題を調べた。移動レーザ走査において,データは,走査ユニットの測量対象物への配向と制限された街路ベースの位置のために,一般的に不完全である。また,構築された環境における複数の構造はしばしばクラスタ化された異常値を生成する。これらの問題を扱うために,本論文では,ロバスト主成分分析(PCA)とロバスト回帰を,円適合のための2つのアルゴリズムを開発するために,効率的な代数的円適合法と組み合わせた。実験結果は,提案したアルゴリズムが統計的にロバストで,わずかな誤差レベルでクラスタ化異常値の高い割合(44%を超える)に耐えることができるが,既存の競合法と比較してより良い形状認識を達成することを示した。例えば,20%クラスタ化異常値を含む1000の4分の1円データセットのシミュレーションのために,RANSACは172.10の平均二乗誤差(MSE)を有する円半径を推定し,一方,提案アルゴリズムは0.42未満のMSEを有する円に適合した。このアルゴリズムは,建物情報モデリング,粒子追跡,製品品質管理,樹上評価,および道路資産監視を含む多くの分野で可能性がある。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *三次元 ,  製品品質 ,  アルゴリズム ,  リモートセンシング ,  特徴抽出 ,  クラスタ化 ,  *走査 ,  アーク放電 ,  道路 ,  *ロバスト性 ,  主成分分析 ,  代数学 ,  異常値 ,  形状認識 ,  改変
準シソーラス用語： *レーザ走査 , 【Automatic Indexing@JST】

著者キーワード (7件)： 3Dモデリング ,  特徴抽出 ,  オブジェクト検出 ,  ポイントクラウド処理 ,  リモートセンシング ,  ロバスト統計 ,  表面適合

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： レーザ走査 ,  点雲 ,  円 ,  あてはめ ,  ロバスト ,  統計