Resumen

La extracción fiable de características a partir de datos de nubes de puntos 3D es un problema importante en muchos dominios de aplicación, como la ingeniería inversa, el reconocimiento de objetos, la inspección industrial y la navegación autónoma. En este trabajo, se propone un nuevo método para la extracción de las características geométricas de los datos de nubes de puntos 3D basado en curvas discretas. Extraemos las curvas discretas de los datos de nubes de puntos 3D e investigamos los comportamientos de las longitudes de cuerda, las variaciones de ángulo y las curvaturas principales en las características geométricas de las curvas discretas. A continuación, se definen los indicadores de similitud correspondientes. Basándose en los indicadores de similitud, se pueden extraer las características geométricas de las curvas discretas, que también son las características geométricas de los datos de la nube de puntos 3D. Los valores umbral de los indicadores de similitud se toman de [0,1], lo que caracteriza la relación relativa y hace que el establecimiento del umbral sea más fácil y razonable. Los resultados experimentales demuestran que el método propuesto es eficaz y fiable.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:datos de nubes de puntos 3D, curvas discretas, características geométricas, indicadores de similitud, extracción fiable de características, muchos dominios de aplicación, variaciones de ángulo, navegación autónoma, longitudes de cuerda, resultados experimentales
• Keywords:3d point cloud data, discrete curves, geometric features, similarity indicators, reliable feature extraction, many application domains, angle variations, autonomous navigation, chord lengths, experimental results