HyperAIHyperAI

Command Palette

Search for a command to run...

مخططات التكرار السريعة للسمات النقطية (FPFH) للتوحيد ثلاثي الأبعاد

Michael Beetz Radu Bogdan Rusu Nico Blodow

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).


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp