文献

J-GLOBAL ID：202202287304609120   整理番号：22A0630206

特徴線抽出および特徴点マッチングに基づく新しい岩盤点クラウドレジストレーション法【JST・京大機械翻訳】

A Novel Rock-Mass Point Cloud Registration Method Based on Feature Line Extraction and Feature Point Matching

著者 (5件)： Liu Lupeng (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Xiao Jun (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Wang Yunbiao (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Lu Zhengda (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China) ,  Wang Ying (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5701117.1-17  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 登録は,岩石質量の3-D再構成の基礎である,全体の岩石-質量ポイントクラウドの品質に直接影響した。高度な方法は,不変のままである様々な特徴を抽出することによって対応を確立する。これらの方法は大きな進歩を遂げたが,それらは各サンプル点の局所特性を分析し,非効率をもたらす。本論文では,スーパーボクセルに基づいて抽出した特徴線からレジストレーションの興味深い点を選択し,「クラスタリング,一次マッチング,および粗い登録」戦略を導入し,点雲レジストレーション中の対応する関係の計算の複雑さを効果的に低減する。最後に,反復最近接点(ICP)アルゴリズムを用いて,粗い登録の結果を最適化した。抽出した特徴線から登録の興味ある点を選択することによって,提案方法は特徴線のロバスト性をノイズ,初期位置などに継承する。実験結果は,提案方法の粗い登録と洗練された登録結果が高精度と効率の両方を有することを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  雑音 ,  *特性 ,  岩石 ,  精度 ,  *岩盤 ,  クラスタ化 ,  *レジストレーション【画像】 ,  計算量 ,  *マッチング ,  ロバスト性 ,  ボクセル
準シソーラス用語： 高精度 ,  特徴点 ,  3D画像再構成 , 【Automatic Indexing@JST】

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)： 特徴点 ,  マッチング ,  岩盤