Indoor interior segmentation with curved surfaces via global energy optimization
Indoor interior segmentation with curved surfaces via global energy optimization
复制标题
通过全局能量优化采用曲面进行室内内部分割
DOI：
10.1016/j.autcon.2021.103886
复制
发表时间：
2021-11
影响因子：
10.3
通讯作者：
Shen YING
中科院分区：
文献类型：
--
作者：
Fei SU;Haihong ZHU;Lin LI;Gang ZHOU;Wei RONG;Xinkai ZUO;Wende LI;Xinmei WU;Weilin WANG;Fan YANG;Huanjun HU;Shen YING
大多数现有的室内内部分割方法通常集中在平面结构，而不是弯曲的结构。基于随机样本共识的方法通过规则性模型拟合执行曲面分割，但是当由于随机采样中的不确定性而存在噪声和离群值时，会产生虚假模型。本文通过拟合典型模型，同时将每个主单元与相应的模型进行匹配，从而实现室内区域的分割。模型由具有自适应分辨率的点和超体素的组合而不是点拟合，从而保证在同一表面上采样的正确性并避免虚假模型。在全局能量优化方法下，通过迭代细化/聚类实现细胞与模型的匹配，从而确保最佳的整体分割。实验测试表明，我们的方法在处理平面和非平面表面的有效性，导致性能指标约为0.75的结构F1分数和超过0.9的边缘精度和召回。
Most existing indoor interior segmentation methods typically focus on planar structures rather than curved structures. Random sample consensus-based methods perform curved surface segmentation via regularity model fitting but suffer from spurious model generation when noise and outliers are present due to the uncertainty in the random sampling. This paper formulates indoor interior segmentation by fitting representative models and matching each primary cell with corresponding model simultaneously. The models are fitted by a combination of points and supervoxels with adaptive resolutions instead of just points, guaranteeing the correctness of sampling on the same surface and avoiding spurious models. Cell-to-model matching is achieved by iterative refinement/clustering under the global energy optimization method, which ensures optimal overall segmentations. Experimental tests demonstrate the effectiveness of our method in dealing with both planar and nonplanar surfaces, resulting in performance metrics of approximately 0.75 for the structure F1-score and over 0.9 for edge precision and recall.
登录
查看更多内容
影响因子：
10.3
作者：
Czerniawski, T.;Sankaran, B.;Leite, F.
通讯作者：
Leite, F.
基于正态分布变换单元的改进RANSAC 3D点云平面分割
影响因子：
5
作者：
Li, Lin;Yang, Fan;Tang, Lei
通讯作者：
Tang, Lei
DOI：
10.5194/isprsarchives-xl-5-501-2014
发表时间：
2014-06
期刊：
ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
影响因子：
--
作者：
M. Previtali;L. Barazzetti;R. Brumana;M. Scaioni
通讯作者：
M. Previtali;L. Barazzetti;R. Brumana;M. Scaioni
DOI：
10.1109/tpami.2012.257
发表时间：
2013-08-01
影响因子：
23.6
作者：
Raguram, Rahul;Chum, Ondrej;Frahm, Jan-Michael
通讯作者：
Frahm, Jan-Michael
DOI：
10.1016/j.isprsjprs.2015.01.011
发表时间：
2015-06-01
影响因子：
12.7
作者：
Anh-Vu Vo;Linh Truong-Hong;Bertolotto, Michela
通讯作者：
Bertolotto, Michela