ICP 변형 및 CloudCompare를 이용한 부분적으로 겹치는 3D 포인트 클라우드의 정합 평가.

초록. 지상 레이저 스캐너(TLS)는 대형 객체 표면의 밀집 포인트 샘플을 얻기 위해 사용됩니다. TLS는 대형 객체나 장면을 디지털화하는 새로운 효율적인 방법입니다. 수집된 포인트 샘플은 서로 다른 형식과 좌표를 가집니다. 문화유산과 같은 대형 객체를 스캔하기 위해서는 여러 개의 스캔이 필요합니다. 포인트 클라우드 정합은 서로 다른 스캔을 하나의 좌표계에서 전체 3D 모델로 가져오는 중요한 작업으로 간주됩니다. 포인트 클라우드는 세 가지 방법 중 하나 또는 이들의 조합을 사용하여 정합될 수 있습니다: 타겟 기반, 특징 추출, 포인트 클라우드 기반입니다. 본 연구에서는 포인트 클라우드 기반 정합 접근 방식을 사용했습니다. 우리는 Dr. Babasaheb Ambedkar Marathwada University, Aurangabad에 위치한 컴퓨터 과학부(DCSIT) 건물의 부분적으로 겹치는 3D 포인트 클라우드 데이터를 수집했습니다. 건물의 완전한 포인트 클라우드 정보를 얻기 위해 외부에서 4회, 내부 파사드 데이터 수집을 위해 8회 총 12회의 스캔을 진행했습니다. 문헌에는 여러 가지 알고리즘이 있지만, 반복 최근접 포인트(ICP)가 가장 우세한 알고리즘입니다. 다양한 연구자들이 더 나은 정합 프로세스를 위해 ICP의 변형을 개발했습니다. ICP 포인트 클라우드 정합 알고리즘은 두 개의 인접 스캔에서 가장 가까운 점 쌍을 검색하고 그들 사이의 변환 매개변수를 계산하는 데 기반을 두고 있으며, 등록 프로세스에 인위적인 타겟이 필요하지 않은 이점이 있습니다. 우리는 MATLAB에서 Brute Force, KDTree, ICP 알고리즘의 부분 매칭이라는 세 가지 변형을 연구하고 구현했습니다. 결과는 구현된 ICP 알고리즘 버전이 변형과 함께 CloudCompare 오픈 소스 소프트웨어와 비교할 때 정합의 속도와 정확성에서 더 나은 결과를 제공한다는 것을 보여줍니다.