Biblioteca122.294 documentos en línea

Artículo

3D Point Cloud Simplification Based on -Nearest Neighbor and ClusteringSimplificación de nube de puntos en 3D basada en el vecino más cercano y agrupamiento.

Resumen

Si bien la reconstrucción de objetos en 3D se utiliza cada vez más hoy en día, la simplificación de nube de puntos en 3D se convierte en una fase sustancial en este proceso de reconstrucción. Esto se debe a las enormes cantidades de densas nubes de puntos en 3D producidas por dispositivos de escaneo en 3D. En este documento, se propone un nuevo enfoque para simplificar nubes de puntos en 3D basado en el algoritmo de los k-vecinos más cercanos (k-NN) y un algoritmo de agrupamiento. Inicialmente, la nube de puntos en 3D se divide en grupos utilizando el algoritmo de k-medias. Luego, se realiza una estimación de entropía para cada grupo para eliminar aquellos que tienen una entropía mínima. En este documento, se utiliza MATLAB para llevar a cabo la simulación, y el rendimiento de nuestro método es comprobado con un conjunto de datos de prueba. Numerosos experimentos demuestran la efectividad del método de simplificación propuesto para nubes de puntos en 3D.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento