ミッシング対応のための確率再加重3Dポイントクラウドレジストレーション【JST・京大機械翻訳】

Sun Zhiliang; Zhang Rongguo; Hu Jing; Liu Xiaojun

文献

J-GLOBAL ID：202202291494312925 整理番号：22A1157799

ミッシング対応のための確率再加重3Dポイントクラウドレジストレーション【JST・京大機械翻訳】

Probability re-weighted 3D point cloud registration for missing correspondences

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1157799&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1157799&from=J-GLOBAL&jstjournalNo=W1102A") }}

著者 (4件)： , , ,
資料名：
巻： 81 号： 8 ページ： 11107-11126 発行年： 2022年
JST資料番号： W1102A ISSN： 1380-7501 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

剛体3Dポイントクラウドレジストレーションは,ノイズ,異常値,初期位置における変動,および重複の限られた量のために,挑戦的な問題である。既存の方法は,欠測対応を扱う簡単な機構がなく,通常,大量の異常値と欠測の対応の存在において点雲を整列できない。部分重複点雲における異常値と欠測対応の問題を目的として,Gauss混合モデル(GMM)に基づく確率再加重3D点雲登録アルゴリズムを本論文で提案した。最初に,3Dターゲットとソースポイントクラウドの間の対応を,GMMと均一分布によって確立した。ターゲットポイントクラウドにおける欠落対応は,事前確率再重み付け戦略を通してGMMの混合割合を再重み付けすることによって処理できることを示した。第2に,著者らは,ソースポイントクラウドにおける異常値とそれらの比率を推論する事後確率推論戦略を提案して,そこで,潜在的異常値をGMMパラメータを解決するとき除去した。第3に,点対平面距離の形式における目的関数を,重量平均目標点の近傍における法線方向を計算することによって紹介して,次に,大きい平面構造を有する点雲を,微細に登録した。最後に,Stanford3D走査データと実際の3Dシーンデータについて実験を行った。前者に関する全体のRMSEは,0.775の適応性によって0.40mmであり,それは後者に関して0.608の適応性によって5.32mmであった。評価結果は,提案したアルゴリズムが適応性を強化して,剛直な3Dポイントクラウド登録のRMSEを減らして,登録の精度を改良することができることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

図形・画像処理一般 , パターン認識

, ,

前のページに戻る