摘要引言:
目前BALM,或者BALM2等算法大多都采用点到线和点到面的距离来构建全局优化方程。提取到面的质量对全局优化有影响。这篇论文主要是提升面的提取质量。
平面表示:
A.平面提取
常规的采用三个特征值比大小和 比率来判别是否是平面,平面的特征值理论上是 最小的特征值要远远小于前两个特征值。论文中指出来,仅仅用特征值比率来判别是否是平面存在缺陷,比如文中的figure1中一个角上存在一些非平面点。
解决方法是,PCA分解(采用PCA分解的方式,可以提供划分的方法,单纯的按照某一个轴进行划分,可能导致点云分层),然后划分成4个象限,每一部分重新拟合一下平面,看看前后最小特征值比率是否在一个区间内,或者说是否与点数比率比较接近,如果在一个区间内,则认为是平面。否则不是平面,则会提出划分出来的那个非平面的体素。
PCA划分4象限:
合并条件:
B.自适应体素划分,划分方式采用balm的方式,就是划分成体素,体素作为一个根节点,每一个体素如果是非平面就进行划分,直到达到设定的划分边长。结合A中方法来验证平面,剔除掉非平面的子体素区域。 然后采用了点到面的距离,和两个面的法向夹角来验证是面是否可以合并,可以合并的面进行合并。
最终合并出来的高质量的平面可以节省BA时间,