压缩和恢复基于MEMS的基于自适应集群压缩传感和应用到3D岩石碎片表面点云的基于MEMS的短距离LiDAR点云
Lin Li1, Huajun Wang2, Sen Wang3
1Key Laboratory of Earth Exploration and Infomation Techniques of Ministry of Education, Chengdu University of Technology, Chengdu 610059, China.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
本研究介绍了一种自适应的集群压缩传感方法,以改进基于微电子机械系统 (MEMS) 的LiDAR点云重建. 该方法增强了几何和曲率相似性,即使采样比率低.
科学领域:
- 地理空间技术是什么?
- 信号处理 信号处理
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 基于微电子机械系统 (MEMS) 的LiDAR为岩石碎片等表面提供精确的点云.
- 在MEMS-LiDAR信号中的振动噪声可以扭曲重建的点云,特别是在高压缩比下.
- 基于波纹的集群压缩传感可以改善重建,但确定最佳集群数量 (k) 是具有挑战性的.
研究的目的:
- 提出一种新的局部集群方法,以准确确定MEMS-LiDAR数据中的集群数量.
- 为了提高点云重建的精度,使用自适应集群压缩传感方法.
- 为了验证该方法对岩石碎片表面和大型地质物体的有效性.
主要方法:
- 建议采用局部集群方法,利用高斯混合模型 (GMM) 的观测距离和密度峰值来估计最佳的集群数量.
- 适应集群压缩传感方法用于压缩和恢复点云数据集,包括斯坦福3D子和阿马迪罗数据集.
- 波段基是针对MEMS-LiDAR信号的每个维度进行优化,以进一步提高重建质量.
主要成果:
- 拟议的本地集群方法准确地估计了各种数据集中的集群数量.
- 点云压缩和回收实验显示了改善的几何和曲率相似性,岩石碎片数据集的几何相似性超过0.9.
- 该方法证明了它对大规模岩石突出点云的适用性,证实了其实际实用性.
结论:
- 适应集群压缩传感方法有效地重建基于MEMS的LiDAR点云,从而减少扭曲和提高精度.
- 该方法为处理噪音提供了强大的解决方案,并在较低的采样比率下实现高准确度重建.
- 这种技术对于需要从MEMS-LiDAR数据精确3D表面特征的应用非常有价值,特别是在地质环境中.
