相关实验视频
Updated: Jun 28, 2025
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
对扫描物理物体上的点云注册技术的比较
Menthy Denayer1,2, Joris De Winter1,2, Evandro Bernardes1,2
1Robotics & Multibody Mechanics Group, Vrije Universiteit Brussel, Pleinlaan 9, 1050 Brussels, Belgium.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
这项研究比较了使用现实世界的扫描,而不是合成数据的六种CAD模型注册技术. GO-ICP和PointNetLK显示出高精度,但大多数方法都在与杂的数据作斗争,帮助研究人员选择合适的注册算法.
科学领域:
- 计算机视觉 计算机视觉
- 几何计算几何计算
- 3D重建的3D重建
背景情况:
- 在各种应用中,CAD模型对齐至关重要.
- 现有的注册算法评估通常使用合成数据,这些数据可能不反映现实世界的复杂性.
- 现实世界的扫描引入噪声和异常值,挑战注册性能.
研究的目的:
- 对六种用于CAD模型对齐的突出注册技术进行比较分析.
- 用真实世界的扫描数据评估经典和基于学习的方法.
- 为方法选择提供定量指标.
主要方法:
- 利用克兰菲尔德基准的点云,包括对3D打印对象的现实世界扫描.
- 评估了三种经典方法 (GO-ICP,RANSAC,FGR) 和三种基于学习的方法 (PointNetLK,RPMNet,ROPNet).
- 使用诸如回忆,准确性和计算时间等指标评估性能.
主要成果:
- GO-ICP,PointNetLK,RANSAC和RPMNet (与ICP改进) 显示出高准确度. 这是一个很好的例子.
- 除GO-ICP外,大多数方法都出现了噪声增加或变化更大的故障情况.
- FGR和RANSAC是最快的,而GO-ICP需要几秒钟.
结论:
- 基于学习的方法显示出希望,但面临培训和通用化的挑战.
- GO-ICP和PointNetLK的准确性更高,但GO-ICP的速度更慢.
- 该研究为选择现实应用的注册方法提供了有价值的定量见解.
