如何实现局部与全局特征结合的点云显著性检测方法？
- 内容介绍
- 文章标签
- 相关推荐
本文共计14380个文字，预计阅读时间需要58分钟。
论文链接：https://ieeexplore.ieee.org/abstract/document/8726371
作者：Ding Xiaoying，Lin Wei si，IEEE Fellow，Chen Zhenzhong，IEEE Senior Member，Zhang Xinfeng，IEEE Member
摘要：概述
论文链接：ieeexplore.ieee.org/abstract/document/8726371
作者：Xiaoying Ding , Wei si Lin , Fellow, IEEE, Zhenzhong Chen , Senior Member , IEEE, and Xinfeng Zhang , Member , IEEE
整理：高斯球
摘要
受人类视觉系统特点的启发，提出了一种新颖的3D点云视觉显著区域检测方法。首先，根据与局部环境的差异来评估每个点的局部独特性（local distinctness）；然后，将点云分解成小簇，计算每个簇的初始全局稀有度值（global rarity value）；然后使用随机游走排序方法（ random walk ranking method）对所有簇中的每个点引入簇级别的全局稀有性细化；最后，提出了一种优化框架，将局部区别和全局稀有度值结合起来，以获得点云的最终显著性检测结果。我们将所提出的方法与几种相关算法进行了比较，并将其应用于一些计算机图形应用程序，例如兴趣点检测、视点选择和网格简化；实验结果证明了所提方法的优越性能。
索引词：3D点云，视觉感知，显著性。
本文共计14380个文字，预计阅读时间需要58分钟。
论文链接：https://ieeexplore.ieee.org/abstract/document/8726371
作者：Ding Xiaoying，Lin Wei si，IEEE Fellow，Chen Zhenzhong，IEEE Senior Member，Zhang Xinfeng，IEEE Member
摘要：概述
论文链接：ieeexplore.ieee.org/abstract/document/8726371
作者：Xiaoying Ding , Wei si Lin , Fellow, IEEE, Zhenzhong Chen , Senior Member , IEEE, and Xinfeng Zhang , Member , IEEE
整理：高斯球
摘要
受人类视觉系统特点的启发，提出了一种新颖的3D点云视觉显著区域检测方法。首先，根据与局部环境的差异来评估每个点的局部独特性（local distinctness）；然后，将点云分解成小簇，计算每个簇的初始全局稀有度值（global rarity value）；然后使用随机游走排序方法（ random walk ranking method）对所有簇中的每个点引入簇级别的全局稀有性细化；最后，提出了一种优化框架，将局部区别和全局稀有度值结合起来，以获得点云的最终显著性检测结果。我们将所提出的方法与几种相关算法进行了比较，并将其应用于一些计算机图形应用程序，例如兴趣点检测、视点选择和网格简化；实验结果证明了所提方法的优越性能。
索引词：3D点云，视觉感知，显著性。