Resumen

En este artículo se propone un algoritmo de detección de simetría para modelos de nube de puntos tridimensionales basado en análisis de componentes principales ponderado (PCA). El algoritmo propuesto funciona de la siguiente manera: primero, utilizando el área de los elementos de puntos como peso inicial, se realiza un PCA ponderado y se selecciona un plano como plano de simetría inicial; luego se utiliza un método iterativo para ajustar paso a paso el plano de simetría aproximado para que tienda hacia el plano de simetría perfecto (plano de simetría dominante). En cada iteración, primero actualizamos el peso de cada punto basado en una métrica de distancia y luego utilizamos los nuevos pesos para realizar un PCA ponderado y determinar un nuevo plano de simetría. Si el plano de simetría actual está lo suficientemente cerca del plano de simetría en la iteración anterior, o si el número de iteraciones supera un umbral dado, la iteración termina. Después de que la iteración finaliza, el plano de simetría en la última iteración se toma como el plano de simetr

• Materias:Patrones temporales Modelos 3D Reconstrucción de objetos Modelo piramidal Planos simétricos
• Subjects:Temporal patterns 3D models Object reconstruction Pyramidal model Symmetric planes
• Palabras claves:Algoritmo propuesto; PCA ponderado; Plano de simetría; Método iterativo; Plano de simetría dominante; Resultados experimentales
• Keywords:Proposed algorithm; Weighted PCA; Symmetry plane; Iterative method; Dominant symmetry plane; Experimental results