.png){kind=icon}
返回
Markerless Geometric Inspection Planning Based on Greedy Algorithm with Registration Stability Constraint
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-00140-5_14.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效且精确的几何检测规划是机器人自动化中的关键挑战，特别是在质量保证和计量学应用中。本文提出了一种无标记3D检测规划框架，采用贪心优化算法解决视点规划问题（VPP）。该方法将物体和视点搜索空间离散化为点云，将VPP转化为集合覆盖问题（SCP）。一种新颖的注册稳定性约束确保了扫描的鲁棒无标记对齐，消除了耗时标记放置的必要性。通过智能选择视点来实现无标记注册，这确保了最优覆盖的同时维持注册精度。该框架的验证表明其在生成近最优检测计划以及在不使用物理标记的情况下实现可靠、高质量重建方面的有效性。
Keyword:
Viewpoint planning problem
Rigid registration stability
Geometric inspection
期刊
O
IF:
0
论文数:
16
被引数:
0
机构
暂无机构信息
引用论文
Feature-Metric Registration: A Fast Semi-Supervised Approach for Robust Point Cloud Registration Without Correspondences特征度量配准: 一种快速的半监督方法，用于无对应的鲁棒点云配准
OAAI
.png){kind=icon}
OAAI分享收藏PointNetLK: Robust & Efficient Point Cloud Registration Using PointNetPointNetLK: 使用PointNet进行稳健高效的点云配准
PREAI
分享收藏
查看更多内容