抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Pointclouds(MUSP)から都市シーンモデリングのための手法を提案した。既存アプローチとは対照的に,MUSPはロバストでスケーラブルであり,マンハッタンワールドを仮定することなく,建物(多面体)だけでなく非平面基底(NURBSを用いた)の両方をモデル化することによってより完全な記述を提供する。最初に,ノンパラメトリックBayesフレームワーク(stick breaking建設)内の分割統治法に基づくアルゴリズムを用いた一貫したパッチにシーンのセグメント化を行った。これらパッチはしばしば意味のある構造に対応する,地下水,ファサード,屋根と屋根超構造である。多角形掃引建物のための予め定義されたテンプレートを適合させるためにを使用し,地盤の,NURBS表面はフィットと均一にモザイク。最後に,クリップ不必要な形状(例えば,非平面地下ファサード突起)に対する建物,建物部品・モザイク地盤の多角形へのブール演算を適用し,最終的なモデルをもたらした。シーン分割の明示的なBayes定式化は,筆者らのアプローチが雑音,異常値,点密度の量を変えて挑戦的なデータセットに適している。画像マッチングと同様にLiDARからの3D pointcloudsにMUSPのロバスト性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】