포인트 클라우드 등록 알고리즘에 대한 30년 이상의 연구가 진행되어 성숙한 이론적 틀과 방법론이 개발되었습니다. 그러나 사용되는 수많은 등록 기술 중에서 포인트 클라우드 스캐닝 품질이 등록 결과에 미치는 영향은 거의 다루어지지 않았습니다. 대부분의 엔지니어링 및 산업 측정 응용 프로그램에서 LiDAR 포인트 클라우드의 정확성과 밀도는 레이저 스캐너에 크게 의존하며, 이는 등록 품질에 중대한 변동성을 초래합니다. 포인트 클라우드 정확성에 영향을 미치는 주요 요인은 스캔 거리, 입사 각도 및 대상의 표면 특성입니다. 특히, 단거리 스캔 시나리오에서는 입사 각도가 주요 오류 원인으로 나타납니다. 이러한 통찰을 바탕으로, 이 연구는 스캐닝 입사 각도와 포인트 클라우드 품질 간의 관계를 체계적으로 조사합니다. 우리는 포인트 클라우드 관측에 대해 입사 각도 의존 가중치 함수를 제안하고, 개선된 가중치 반복 최근접 점(ICP) 등록 알고리즘을 개발합니다. 실험 결과, 제안된 방법이 전통적인 ICP 알고리즘에 비해 약 30% 더 높은 등록 정확도를 달성하고 Faro SCENE의 독점 솔루션에 비해 10% 향상된 결과를 보여줍니다.
Yuan et al. (금요일,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: