🕊‎３Dの特徴点

2023年11月21日 07:00

特徴点（キーポイント）

Harris 3D: これはHarrisコーナー検出器の3次元バージョンで、3D空間内のポイントクラウドデータでキーポイントを識別します。これらの点は局所的な形状の変化が大きい場所を表しています。

3Dデータの量が増加し、キャプチャデバイスが低コストのマルチメディアデータを作成できるようになったため、関連する情報を選択する機能が興味深い研究分野となっている。3Dオブジェクトでは、オブジェクト全体の代わりに、オブジェクトの登録、検索、メッシュの簡略化などのアプリケーションに使用できる、いくつかの顕著な構造を検出することが目的である。本論文では、コンピュータビジョンのアプリケーションで良好な結果を得ているハリス演算子に基づく、3Dオブジェクトの注目点検出器を紹介する。我々は、頂点の近傍を決定し、その頂点に対するハリス応答を計算する適応的手法を提案する。我々の手法はいくつかの変換に対してロバストであり、これはSHREC特徴検出・記述ベンチマークを用いて得られた高い再現性値からも分かる。さらに、Harris 3Dが、Heat Kernel Signaturesのような最近の効果的な手法で得られた結果を上回ることを示す。

https://www.researchgate.net/publication/224017817_Harris_3D_A_robust_extension_of_the_Harris_operator_for_interest_point_detection_on_3D_meshes

Intrinsic Shape Signature (ISS): ISSは3D形状の局所的な特徴点を検出する手法です。形状の内在的な幾何学的性質に基づいてキーポイントを識別します。

本稿では、3次元点群として表現される3次元物体を認識するための新しいアプローチを提案する。点群の局所的／半局所的領域を特徴付けるために、固有形状シグネチャ（Intrinsic Shape Signature: ISS）と呼ばれる新しい3次元形状記述子を導入する。固有形状シグネチャは、異なるビューからの形状パッチを直接マッチングするために、3D形状のビュー非依存表現を使用し、高速な姿勢推定を容易にするために、ビュー形状をエンコードするビュー依存変換を使用する。さらに、高次元のISS形状記述子に対する非常に効率的なインデックス付けスキームを提示し、大規模なモデルデータベースの高速かつ正確な検索を可能にする。提案アルゴリズムの性能を、センサノイズ、不明瞭さ、シーンの乱雑さが存在する中で、72のモデルデータベースを用いて異なる車種を認識するという非常に困難なタスクで評価する。

https://ieeexplore.ieee.org/document/5457637

大域特徴量

3D Shape Histogram: 3D形状の大域的特徴を捉える手法で、形状のボリュームを格子状に分割し、各ビン内の点の数でヒストグラムを作成します。
Spherical Harmonics Representation: 球面調和関数を用いて3D形状を表現する方法。これは形状の大域的特徴を低次元で効率的に捉えます。
LightField Descriptor (LFD): 3Dオブジェクトの視覚的な外観を記述するために使用され、オブジェクトを様々な方向から見たときの外観の差異を捉えます。

局所特徴量

Spin Image: 3Dポイントクラウドの局所的な特徴を記述するために用いられる手法。ある点の周りの点の相対的な位置を2Dイメージに変換します。
SHOT (Signature of Histograms of OrienTations): 3Dポイントクラウドの局所的な形状の特徴を捉える方法。点の近傍の形状情報をヒストグラムにエンコードします。
Fast Point Feature Histograms (FPFH): 局所的な幾何学的特徴を迅速に記述する方法で、点の局所的な曲率や表面の方向性を捉えたヒストグラムを作成します。

Point Feature Histograms (PFH): Fast Point Feature Histograms (FPFH) の基になった、より詳細で計算コストが高い局所特徴量表現です。局所的な幾何学的特徴を捉えるのに用います。
3D SURF (Speeded Up Robust Features): 2D画像処理でよく使われるSURFアルゴリズムの3Dバージョンです。局所的な特徴点の抽出と記述に使われます。
3D SIFT (Scale Invariant Feature Transform): 同様に、2DのSIFTアルゴリズムの3D拡張版で、スケール不変の特徴点を検出するのに使用されます。
Mesh Processing: 3Dポイントクラウドデータをトライアングルメッシュに変換して処理する手法。メッシュ生成、最適化、平滑化などが含まれます。
Voxel Grid Representation: 3Dデータをボクセル（3次元ピクセル）に変換して処理する手法。データ量を減らし、計算を効率化します。
Deep Learning-Based Methods: 近年、深層学習を活用した3Dデータ解析手法が開発されています。これには3D Convolutional Neural Networks (CNN) や PointNet などがあります。

いいなと思ったら応援しよう！

お願い致します