عنوان

ارزیابی عملکرد توصیفگرهای سه‌بعدی در برابر نویز و تغییرات تراکم

شماره

پ۲۶۷۲۳

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

ارزیابی عملکرد توصیفگرهای سه‌بعدی در برابر نویز و تغییرات تراکم

نام نخستين پديدآور

حامد اسکندری

نام ناشر، پخش کننده و غيره

مهندسی عمران

تاریخ نشرو بخش و غیره

۱۴۰۰

نام خاص و کميت اثر

۳۷ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی سنجش‌از‌دور

زمان اعطا مدرک

۱۴۰۰/۱۲/۲۱

متن يادداشت

امروزه با پیشرفت تکنولوژی، استفاده از ابر نقاط به دست آمده از لیزر اسکنرها‌ی سه‌بعدی به منظور بازسازی مدل و صحنه، به امری مهم در حوزه¬ی سنجش از دور تبدیل شده است. یکی از مراحل اصلی در مدل‌سازی سه‌بعدی ابرنقاط، هم‌مرجع‌سازی بوده که رو‌‌ش‌های متعددی به این منظور پیشنهاد و توسعه داده شده‌است. فرآیند هم‌مرجع‌سازی نیازمند توصیفگری مقاوم و قدرتمند در برابر تغییرات است. انواع مختلفی از توصیفگرهای ابرنقاط سه‌بعدی در سال‌های اخیر معرفی شده‌اند که شناخت عملکرد این توصیفگرها در برابر انواع داده‌ها می‌تواند در انتخاب توصیفگر مناسب کمک شایانی نماید. با توجه به احتمال وجود نویز در مجموعه داده‌ها و همچنین تفاوت در تراکم نقاط داده‌های مختلف، لازم است مقاومت توصیفگرها در برابر این تغییرات شناسایی شوند. هدف پژوهش حاضر ارزیابی اثرات نویز و تغییرات تراکم روی عملکرد توصیفگر‌‌‌ها است. برای این منظور سه نوع نویز، شامل نویز تصادفی، گوسی و ضربه‌ای و همچنین دو روش کاهش تراکم شامل روش تصادفی و منظم مورد استفاده قرار گرفتند. پنج توصیفگر محلی کارآمد با ساختار و پیجیدگی محاسباتی مختلف شامل توصیفگرهای FPFH، SHOT، 3DSC و USC برای انجام ارزیابی عملکرد در مقابل داده‌های دارای نویز و کاهش تراکم انتخاب شدند. ارزیابی توصیفگرها با استفاده از معیار دقت تناظریابی روی دو مجموعه داده از مجموعه داده‌های آزمایشگاه گرافیک کامپیوتری دانشگاه استنفورد انجام گرفت. نتایج کمی ارزیابی این تحقیق نشان داد که بطور کلی توصیفگر 3DSC در مقابل نویز حساسیت کمتری نسبت به سایر توصیفگرهای مورد بررسی داشته و همچنین توصیفگر FPFH برای داده‌های با کاهش تراکم، دقت تناظریابی بهتری ارائه می‌کند.

متن يادداشت

Today, with the advancement of technology, the use of point clouds obtained from 3D laser scanners to reconstruct the model and scene, has become an important thing in the field of remote sensing. One of the main steps in 3D modeling of point clouds is registration, for which several methods have been proposed and developed. The registration process requires a robust and powerful descriptor of change. Different 3D descriptor have been proposed in the literature, and understanding the performance of these descriptors against data types can help in selecting the appropriate descriptor. Due to the possibility of noise in the data set as well as the difference in the density of different data points, it is necessary to identify the resistance of descriptors to these changes. This study aimed to evaluate the effects of noise and density changes on the performance of descriptors. For this purpose, three types of noise, including random noise, Gaussian, and impact noise, as well as two methods of reducing the density, including random and regular methods were used. Five efficient local descriptors with different computational structures and complexity including FPFH, SHOT, 3DSC, and USC descriptors were selected to evaluate performance against noise-containing data and reduce density. Descriptors were evaluated using a matching accuracy criterion on two datasets from Stanford University Computer Graphics Laboratory. Quantitative evaluation results of this study showed that in general the 3DSC descriptor is less sensitive to noise than other descriptors and also the FPFH descriptor offers better matching accuracy for data with reduced density.

عنوان گونه گون

Performance evaluation of 3d descriptors against noise and density changes

عنصر شناسه اي

اسکندری،

ساير عناصر نام

حامد

کد نقش

تهيه کننده

عنصر شناسه اي

محمدی،

عنصر شناسه اي

صداقت،

ساير عناصر نام

نازیلا

ساير عناصر نام

امین

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

‏تبریز