返回
Recognizing Objects in 3D Point Clouds with Multi-Scale Local Features
DOI:10.3390/s141224156.png)
摘要
En 中文
在存在明显的杂波和遮挡的情况下从点云中识别3D对象是一项极具挑战性的任务。在本文中,我们提出了一种从粗到细的3D对象识别算法。在离线训练阶段,每个模型用一组多尺度局部表面特征表示。在在线辨识的阶段期间,首先从每一场景检测一组关键点。这些关键点周围的局部表面进一步用多尺度特征描述符编码。然后将这些场景特征与所有模型特征进行匹配以生成识别假设,其包括模型假设和姿势假设。最后,对这些假设进行了验证,以产生识别结果。所提出的算法在两个标准数据集上进行了测试,并与最先进的算法进行了严格的比较。实验结果表明,我们的算法是全自动和高效的。它对遮挡和混乱也非常健壮。它在所有这些数据集上取得了最佳的识别性能,显示出与现有算法相比的优越性。
Keyword:
object recognition
point cloud
local feature
clutter
occlusion
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Regulation of the p38 mitogen-activated protein kinase and dual-specificity phosphatase 1 feedback loop modulates the induction of interleukin 6 and 8 in cells infected with coronavirus infectious bronchitis virus
Virology
IF0
Object Detection Techniques Applied on Mobile Robot Semantic Navigation目标检测技术在移动机器人语义导航中的应用
SENSORS
IF3.5
Effects of the non-steroidal anti-inflammatory drug celecoxib on cholesterol containing distearoyl phosphatidylcholine membranes非甾体抗炎药塞来昔布对含胆固醇的二硬脂酰磷脂酰胆碱膜的影响
Spectroscopy
IF0

