.png){kind=icon}
返回
MSRI: A Minimum Spatial Residual Iterative Algorithm for Vector Spatial Data Matching Based on Distance Decay
.png){kind=icon}
PRE
AI
DOI：10.1111/tgis.70128.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着地理信息技术的快速进步，多源矢量空间数据日益易于获取；然而，由于结构不一致和传感器未对齐等问题，实现稳健且自动化的匹配仍是一个重大挑战。本研究引入了一种受托伯勒地理第二定律启发的最小空间残差迭代（MSRI）算法，该算法整合了空间衰减模型与基于残差的加权方案，以引导矢量匹配的迭代过程。大量实验表明，MSRI在非规则位移、遮挡以及高数据不完整性等条件下，始终优于迭代最近点（ICP）、截断ICP（TrICP）和RANSAC + FPFH等经典方法。与基线方法相比，MSRI的均方根误差（RMSE）为0.54 m，而基线方法为1.26-1.83 m，且F1分数提升了12%-30%。即使数据损失达70%，MSRI仍能保持稳定的精度，其RMSE相较于TrICP最多降低3.7倍，而ICP和RANSAC往往无法收敛。敏感性分析进一步证实，在实用参数范围内，MSRI表现稳定，当α=0.4且β=0.6时获得最优结果。凭借其稳健性、自动化特性以及最低的前处理需求，MSRI为智能城市建设、环境监测和大规模矢量空间数据集成等应用提供了实用解决方案。
Keyword:
distance decay model
geometric similarity
MSRI
spatial residual minimization
vector spatial data matching
期刊
T
IF:
2.3
论文数:
171
被引数:
2.9K
机构
引用论文
.png){kind=icon}
Accurate and Robust Rotation-Invariant Estimation for High-Precision Outdoor AR Geo-Registration高精度室外AR地理配准的准确且鲁棒的不变性估计
OAAI
OAAI分享收藏
查看更多内容