Fitting and recognition of geometric primitives in segmented 3D point clouds using a localized voting procedure

要約

点群からの幾何学的モデルの自動作成には、CAD（リバースエンジニアリング、製造、組み立てなど）、さらに一般的には形状のモデリングと処理に多くの用途があります。
人工物を表すセグメント化された点群を前提として、単純な幾何学的プリミティブとそれらの相互関係を認識する方法を提案します。
私たちのアプローチは、ノイズ、欠落部品、外れ値を処理する能力のためのハフ変換（HT）に基づいています。
私たちの方法では、投票手順を通じて、各プリミティブ型を特徴付ける幾何学的パラメーターの初期推定を提供できる、セグメント化された点群を処理するための新しい手法を紹介します。
これらの推定値を使用することにより、次元削減されたパラメーター空間で最適解の検索をローカライズし、HTを、文献で一般的に見られるものよりも多くのプリミティブ、つまり平面や球に拡張することを効率的にします。
次に、セグメントを一意に特徴付けるいくつかの幾何学的記述子を抽出し、これらの記述子に基づいて、プリミティブ（セグメント）の一部を集約する方法を示します。
合成スキャンと工業スキャンの両方での実験により、プリミティブフィッティング法の堅牢性とセグメント間の関係を推測するためのその有効性が明らかになりました。

要約(オリジナル)

The automatic creation of geometric models from point clouds has numerous applications in CAD (e.g., reverse engineering, manufacturing, assembling) and, more in general, in shape modelling and processing. Given a segmented point cloud representing a man-made object, we propose a method for recognizing simple geometric primitives and their interrelationships. Our approach is based on the Hough transform (HT) for its ability to deal with noise, missing parts and outliers. In our method we introduce a novel technique for processing segmented point clouds that, through a voting procedure, is able to provide an initial estimate of the geometric parameters characterizing each primitive type. By using these estimates, we localize the search of the optimal solution in a dimensionally-reduced parameter space thus making it efficient to extend the HT to more primitives than those that are generally found in the literature, i.e. planes and spheres. Then, we extract a number of geometric descriptors that uniquely characterize a segment, and, on the basis of these descriptors, we show how to aggregate parts of primitives (segments). Experiments on both synthetic and industrial scans reveal the robustness of the primitive fitting method and its effectiveness for inferring relations among segments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google