ادغام نقشه های عمقی متداخل به یک ابر نقطه ای بدون افزونه
چکیده
ترکیب دنباله های طولانی از نقشه های عمقی متداخل بدون ساده سازی، به تعداد زیادی نقاط اضافی می انجامد، که سرعت پردازش بیشتر را آهسته تر (کند) می کند. در این مقاله، روش جدیدی برای ایجاد تدریجی یک ابر نقطه ای بدون افزونه (nonredundant) با تغییر سطوح جزئیات بدون محدود نمودن حجم تصرف شده (تسخیر شده) یا نیاز داشتن به پارامترهای دیگری از کاربر ارائه می شود. سنجش های متداخل جهت اصلاح برآوردهای نقطه ای با کاهش واریانس جهت دار (هدایتی) آن ها استفاده می شود. الگوریتمی با پسماندهای مناسب مسطح و مکعبی مورد ارزیابی قرار گرفت که به طور قابل ملاحظه ای به ابرهای نقطه ای فوق افزونه (over redundant) ارتقا داده شدند.
کلمات کلیدی: ساده سازی ابر نقطه ای، مدلسازی سطحی
Abstract
Combining long sequences of overlapping depth maps without simplification results in a huge number of redundant points, which slows down further processing. In this paper, a novel method is presented for incrementally creating a nonredundant point cloud with varying levels of detail without limiting the captured volume or requiring any parameters from the user. Overlapping measurements are used to refine point estimates by reducing their directional variance. The algorithm was evaluated with plane and cube fitting residuals, which were improved considerably over redundant point clouds
توضیحات تکمیلی در مورد این اثر:
تعداد صفحات مقاله ی انگلیسی: 12 و تعداد صفحات ترجمه ی فارسی مقاله با کیفیت بسیار خوب: 15
نام ژورنال و سال انتشار:
Image Analysis Volume 7944 of the series Lecture Notes in Computer Science pp 567-578, 2012
فایل های ضمیمه: اصل مقاله ی انگلیسی + فایل Word ترجمه ی فارسی
منبع: Springer
ترجمه ی مقاله ی Merging overlapping depth maps into a nonredundant point cloud