Surface Estimation for Multiple Misaligned Point Sets
Surface Estimation for Multiple Misaligned Point Sets
复制标题
多个未对齐点集的表面估计
DOI：
10.1007/s11004-019-09802-y
复制
发表时间：
2019
影响因子：
2.6
通讯作者：
Sain, Dylan
中科院分区：
文献类型：
--
作者：
Wiens, Ashton;Kleiber, William;Barnhart, Katherine R.;Sain, Dylan
处理点云数据集时的两个常见任务是曲面估计和点云配准。本文提出了一种同时解决这两个问题的统计方法。具体地说，根据同一空间区域的一对未登记的三维扫描来估计表面。在这种方法中，一个点云定义了固定的坐标系，并对第二个点云应用了刚性变换。两次扫描的观测都被认为是高斯过程的单一实现。配准问题是通过在指定域变换以及均值和协方差函数的参数上联合优化似然来解决的。在给定参数估计的情况下，使用空间随机模型进行表面估计。虽然其他现有的方法不考虑配准的不确定性，但基于似然的方法来解决配准和表面估计问题，共同允许配准的不确定性传播到表面预测方差。这一新方法是通过科罗拉多州白垩岩悬崖附近的一个数字高程模型估计问题来激发和说明的。并与目前流行的迭代最近点法进行了比较。模拟研究的结果表明，使用统计方法估计的变换参数有显著的改善。在与Chalk Cliff数据的交叉验证实验中，使用迭代最近点的似然方法降低了预测均方误差。
Two common tasks when processing point cloud data sets are surface estimation and point cloud registration. In this paper, a statistical approach is developed to solve both of these problems simultaneously. In particular, a surface is estimated from a pair of unregistered three-dimensional scans of the same spatial region. In this method, one point cloud defines the fixed coordinate system, and a rigid transformation is applied to the second cloud. Observations from both scans are considered a single realization of a Gaussian process. The registration problem is solved by jointly optimizing the likelihood over the parameters specifying the domain transformation and the mean and covariance functions. Given parameter estimates, surface estimation follows using the spatial stochastic model. While other existent approaches do not account for registration uncertainty, the likelihood-based approach to solving the registration and surface estimation problems jointly allows uncertainty in registration to be propagated to the surface prediction variance. The new method is motivated and illustrated using a digital elevation model estimation problem near the Chalk Cliffs in Colorado. The method developed is compared against the popular iterative closest point method. The results of a simulation study show significant improvement in transformation parameter estimates using the statistical approach. In a cross-validation experiment with the Chalk Cliffs data, there is anreduction in predictive mean squared error using the likelihood method over iterative closest point.
登录
查看更多内容
利用地统计学和地质专家知识构建数字高程模型——以芬兰南部奥伊蒂地区为例
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
R. Sunila;K. Virrantaus
通讯作者：
K. Virrantaus
影响因子：
5
作者：
Harwin, Steve;Lucieer, Arko
通讯作者：
Lucieer, Arko
根据远程图像集合的运动点云评估结构的地理精度
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
David Nilosek;D. Walvoord;C. Salvaggio
通讯作者：
C. Salvaggio
影响因子：
14.2
作者：
Ozyesil, Onur;Voroninski, Vladislav;Singer, Amit
通讯作者：
Singer, Amit