.png){kind=icon}
返回
Normal vector rotational projection statistics for 3D local shape representation
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04794-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有描述符很少关注点云法向量，并且难以在鲁棒性、紧凑性和描述性之间取得平衡。为解决这一问题，我们提出了一种名为Normal Vector Rotation Projection Statistical（NRPS）的3D局部描述符。我们提出了一套综合解决方案，包括一种高可重复性的Local Reference Frame（LRF）和一种3D描述符，两者均高度依赖点云法向量。法向量包含丰富的信息，但由于其方向模糊性，常被忽视。借鉴点云重建领域中对全局一致法向量方向的需求，我们采用这一成熟技术来计算用于描述符的全局一致外法向量。我们利用改进的协方差矩阵和点云法向量创建了一种高度鲁棒的LRF。NRPS描述符通过旋转和投影法向量生成，然后分析不同空间区域和视角下的法向量方向分布。在统计过程中，我们对空间区域边界点和法向量方向分割边界点实施软分配，以增强NRPS的稳定性。实验结果表明，我们的LRF和NRPS描述符均表现出对噪声和分辨率干扰的强鲁棒性，其性能优于经典描述符和最先进的描述符。代码和数据集可在https://github.com/FanMingjiang2001/NRPS-descriptor-and-datasets获取。
Keyword:
3D local feature description
Local reference frame
Multi-angle rotation
Point cloud registration
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
暂无机构信息
引用论文
Both real-valued and binary multi-feature fusion histograms for 3D local shape representation.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏
查看更多内容