HyperAIHyperAI
منذ 7 أيام

مخططات التكرار السريعة للسمات النقطية (FPFH) للتوحيد ثلاثي الأبعاد

{Michael Beetz, Radu Bogdan Rusu, Nico Blodow}
مخططات التكرار السريعة للسمات النقطية (FPFH) للتوحيد ثلاثي الأبعاد
الملخص

في عملنا الأخير [1], [2]، اقترحنا مخططات الميزات النقطية (PFH) كمميزات متعددة الأبعاد موثوقة تصف الهندسة المحلية حول نقطة ( p ) في مجموعات بيانات السحاب النقطي ثلاثية الأبعاد. وفي هذه الورقة، نقوم بتعديل التعبيرات الرياضية الخاصة بها وإجراء تحليل دقيق لثباتها وتعقيدها في سياق مسألة التسجيل ثلاثي الأبعاد للرؤى المتداخلة للسحاب النقطي. وبشكل أكثر تحديدًا، نقدم عدة تحسينات تقلل من أوقات الحساب بشكل كبير إما من خلال تخزين القيم المحسوبة سابقًا أو من خلال إعادة صياغة صيغها النظرية. ويؤدي هذا الأخير إلى نوع جديد من الميزات المحلية يُسمى مخططات الميزات النقطية السريعة (FPFH)، والتي تحافظ على معظم القدرة التمييزية لمخططات PFH. علاوةً على ذلك، نقترح خوارزمية لحساب ميزات FPFH بشكل مباشر (online) تُستخدم في التطبيقات الزمنية الحقيقية. ولتوثيق نتائجنا، نُظهر كفاءتها في التسجيل ثلاثي الأبعاد، ونُقدّم طريقة جديدة تعتمد على مبدأ التوافق العيني (Sample Consensus) لوضع مجموعتي بيانات في نطاق التقارب الخاص بمُحسّن غير خطي محلي: خوارزمية SAC-IA (SAmple Consensus Initial Alignment).

مخططات التكرار السريعة للسمات النقطية (FPFH) للتوحيد ثلاثي الأبعاد | أحدث الأوراق البحثية | HyperAI