文献

J-GLOBAL ID：201802248499477929   整理番号：18A1326069

特徴を保持する散乱点雲データノイズ除去【JST・京大機械翻訳】

Feature-preserving scattered point cloud denoising

著者 (3件)： Cui Xin (北京宇航系統工程研究所,北京,100076) ,  Yan Xiutian (北京宇航系統工程研究所,北京,100076) ,  Li Shipeng (北京宇航系統工程研究所,北京,100076)
資料名： Guangxue Jingmi Gongcheng  (Guangxue Jingmi Gongcheng)
巻： 25  号： 12  ページ： 3169-3178  発行年： 2017年 
JST資料番号： C2090A  ISSN： 1004-924X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ポイントクラウドデータのノイズを除去する同時に,モデルの細部特性を失うために,特徴情報に基づく加重ファジィC平均クラスタリングノイズ除去アルゴリズムを提案した。最初に,ポイントクラウドK-Dツリートポロジーを構築して,ポイントのr半径球の近隣のポイントの統計的特性によって,大規模異常値ノイズポイントを取り除いた。次に,ポイントクラウドの曲率と法線ベクトルを主成分分析(PCA)によって推定して,次に,特徴領域のノイズ除去を,特徴加重ファジィC-平均クラスタリングアルゴリズムによって,曲率特性によって,ポイントクラウドデータの特性区域によって実行した。最後に,バイラテラルフィルタを用いて,点雲モデルを平滑化した。提案アルゴリズムの検証実験を行った結果、ノイズ除去後の点雲モデルの最大偏差はモデルサイズの0.15%以内にあり、標準偏差はモデルサイズの0.03%以内であることが分かった。提案アルゴリズムは,異なるスケールと強度のノイズを効果的に除去できると同時に,点雲モデルの細部特性を損なうことなく,ノイズ除去精度が高く,異なるノイズモデルに対して強いロバスト性を持つ。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 曖昧さ ,  曲率 ,  ロバスト性 ,  *雑音低減 ,  標準偏差 ,  *雑音 ,  平滑化 ,  異常値 ,  主成分分析 ,  アルゴリズム ,  クラスタ化 ,  *散乱
準シソーラス用語： 検証実験 ,  加重 ,  点群データ , 【Automatic Indexing@JST】

著者キーワード (5件)： point clouds de-noising ,  weighted fuzzy c-means ,  curvature weight ,  feature preserving ,  bilateral filter

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 散乱 ,  点雲 ,  ノイズ除去