Felmérés az egyszerű geometriai primitívek detektálási módszereiről a rögzített 3D adatokhoz

LTCI, Telecom ParisTech, Párizs - Saclay Egyetem, Párizs, Franciaország

rögzített

Ayotle, Le Kreml Bicetre, Franciaország

Ayotle, Le Kreml Bicetre, Franciaország

LTCI, Telecom ParisTech, Párizs - Saclay Egyetem, Párizs, Franciaország

LTCI, Telecom ParisTech, Párizs - Saclay Egyetem, Párizs, Franciaország

Ayotle, Le Kreml Bicetre, Franciaország

Ayotle, Le Kreml Bicetre, Franciaország

LTCI, Telecom ParisTech, Párizs - Saclay Egyetem, Párizs, Franciaország

Intézményi bejelentkezés
Jelentkezzen be a Wiley Online Könyvtárba

Ha korábban hozzáférést kapott személyes fiókjához, kérjük, jelentkezzen be.

Vásároljon azonnali hozzáférést
  • Tekintse meg a PDF cikket, valamint a hozzá tartozó kiegészítéseket és ábrákat 48 órán keresztül.
  • A cikk nem nyomtatható.
  • A cikk nem tölthető le.
  • A cikk nem osztható újra.
  • A cikk, valamint a kapcsolódó kiegészítők és ábrák korlátlan megtekintése.
  • A cikk nem nyomtatható.
  • A cikk nem tölthető le.
  • A cikk nem osztható újra.
  • A cikk/fejezet PDF, valamint a kapcsolódó kiegészítők és ábrák korlátlan megtekintése.
  • Cikk/fejezet kinyomtatható.
  • Cikk/fejezet letölthető.
  • A cikk/fejezet nem osztható újra.

Absztrakt

A rögzített 3D-s adatok mennyisége folyamatosan növekszik a fogyasztói mélykamerák demokratizálódásával, a modern, több nézetből álló sztereó rögzítési beállítások fejlesztésével és a gépi tanuláson alapuló egyszemélyes 3D-s rögzítés növekedésével. A folyamatosan növekvő, gyakran felvételi zajjal és rekonstrukciós műtárgyakkal korrupt 3D-s adatok elemzése és ábrázolása komoly kihívást jelent a számítógépes grafika és a számítógépes látás határán. Ebből a célból a szegmentálás és az optimalizálás az alak absztrakciós folyamat kulcsfontosságú elemzési elemei, amelyek könnyebb geometriai formátumokon végrehajtva önmagukban is nagyon leegyszerűsíthetők. Ebben a felmérésben áttekintjük azokat az algoritmusokat, amelyek egyszerű geometriai primitíveket vonnak le nyers, sűrű 3D adatokból. Miután bemutattuk ezeket a technikákat, az elsajátítási modalitástól az alapul szolgáló elméleti koncepciókig, javaslatot teszünk egy alkalmazás-orientált jellemzésre, amelynek célja, hogy segítsen kiválasztani egy megfelelő módszert az alkalmazási igények alapján, és összehasonlítani a legújabb megközelítéseket. Befejezésül tippeket adunk e módszerek és a feltárandó kutatási kihívások értékelésének módjára.

Kérjük, vegye figyelembe: A kiadó nem felelős a szerzők által szolgáltatott bármilyen kiegészítő információ tartalmáért vagy működéséért. Bármilyen kérdést (a hiányzó tartalom kivételével) a cikk megfelelő szerzőjéhez kell irányítani.