Key points are not available for this paper at this time.
Resumo A aquisição de dados em cenas de grande escala envolve regularmente a acumulação de informações por meio de múltiplas varreduras. Uma abordagem comum é alinhar localmente pares de varredura usando o algoritmo Iterative Closest Point (ICP) (ou suas variantes), mas requer cenas estáticas e pequenos movimentos entre os pares de varredura. Isso impede a acumulação de dados em várias sessões de varredura e/ou diferentes modalidades de aquisição (por exemplo, varreduras estereoscópicas, varreduras de profundidade). Alternativamente, pode-se usar um algoritmo de registro global que permite que as varreduras estejam em poses iniciais arbitrárias. O algoritmo de registro global de última geração, 4PCS, porém, tem uma complexidade de tempo quadrática em relação ao número de pontos de dados. Isso limita vastamente sua aplicabilidade para a aquisição de grandes ambientes. Apresentamos o Super 4PCS para registro global de nuvens de pontos, que é ótimo, ou seja, funciona em tempo linear (em relação ao número de pontos de dados) e também é sensível à saída na complexidade do problema de alinhamento baseado na sobreposição (desconhecida) entre os pares de varredura. Tecnicamente, mapeamos o algoritmo como um 'problema de instância' e o resolvemos de forma eficiente usando uma organização de dados de indexação inteligente. O algoritmo é simples, eficiente em memória e rápido. Demonstramos que o Super 4PCS resulta em um aumento significativo de velocidade em comparação com abordagens alternativas e permite a aquisição eficiente de cenas não estruturadas em escalas anteriormente impossíveis. O código-fonte completo e os conjuntos de dados estão disponíveis para uso em pesquisa em http://geometry.cs.ucl.ac.uk/projects/2014/super4PCS/.
Mellado et al. (Sex,) estudaram esta questão.