三角形网格拉斯特化投影 (TMRP):一种算法可以将点云投射到一个一致,密集和准确的二维拉斯特图像上
Christina Junger1, Benjamin Buch1, Gunther Notni1,2
1Group for Quality Assurance and Industrial Image Processing, Technische Universität Ilmenau, 98693 Ilmenau, Germany.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
我们介绍了三角形网格拉斯特化投影 (TMRP),这是一个用于将3D点云投射到密集,准确的2D图像上的新方法. TMRP克服了现有技术的局限性,改善了机器人感知和数据融合.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 3D数据处理 3D数据处理
背景情况:
- 点云投影对于图像分析,多式联络处理,机器人技术以及为深度学习生成地面真相数据至关重要.
- 当前的单拍投影方法面临着诸多挑战,包括虚空差距,邻近不准确性和传感器特定的局限性.
研究的目的:
- 开发一种用于3D点云的新,准确和密集的2D图像投影方法.
- 为了解决现有的单拍投影技术的局限性.
主要方法:
- 开发了三角形网格拉斯特化投影 (TMRP),一种用于将点云投射到二维图像上的新算法.
- 通过将2D邻近信息与3D点数据集成来实现密集的准确性,以便使用子三角形权重进行快速三角化插值.
主要成果:
- TMRP生成密集,准确的2D图像,只有物理有效的差距.
- 该方法消除了虚假的空白,虚假的社区和模两可,提供XYZ独立密度.
- 在四个用例中使用KITTI-2012数据集和各种传感器模式来证明TMRP的有效性.
结论:
- TMRP比单拍投影方法提供了显著的改进,从3D点云提供了准确和密集的2D表示.
- 开源的TMRP方法是多功能性的,适用于各种传感器和模式,增强机器人的感知和处理优化,特别是对于透明的对象.


