「计算机科学」「200508」图论和热力学框架下三维点云的分割与识别

本文为美国东北大学(作者:Anupama Jagannathan)的博士论文,共142页。

本文以距离传感器生成的三维点云为特征的自由物体识别为背景,研究了两个基本问题:

(2)场景与模型点云的对应关系的确定。许多现有的识别系统需要对模型和场景进行均匀采样,或者假设这些点云重叠。

本文描述了在不依赖这些限制性假设情况下的解决方案。网格分割是获得底层对象有效表示的一个重要步骤,并且由于输入数据的噪声而具有挑战性。该方法在输入网格的每个顶点处计算曲率,曲率是一个旋转和平移不变的形状描述符。研究结果表明,该算法与现有的最新方法相比具有很好的鲁棒性,并且在有噪声的情况下具有很好的分割效果。

本文的第二个贡献是在识别过程中,当两个点集的基数相差几个数量级时,确定场景和模型点云之间的一一对应关系。图焓和吉布斯自由能的公式捕捉了一对图之间的结构细微差别和基础点集之间的空间差异。通过处理一系列不精确图匹配问题,优化吉布斯自由能,得到所需的对应关系。实验结果表明,该方法在处理干扰和噪声方面优于现有的许多图匹配算法。本文的第三个贡献是减少计算和存储负担,实现实时识别。提出了一种基于图的网格抽取算法,以获得高细节三维曲面网格的保形粗近似。然后导出了一种退化度量,将分层抽取和多尺度对应联系起来。

发表回复

您的电子邮箱地址不会被公开。