文章基本信息

标题：Simplificación robusta de nubes de puntos usando análisis de componentes principales y algoritmos genéticos
本地全文：下载
作者：Nallig E. Leal ; Esmeide A. Leal ; John W. Branch 等
期刊名称：Revista Avances en Sistemas e Informática
印刷版ISSN：1657-7663
电子版ISSN：1909-0056
出版年度：2009
卷号：6
期号：3
页码：45-50
语种：Spanish
出版社：Universidad Nacional de Colombia
摘要：Este artículo presenta un nuevo método de simplificación de nubes de puntos. E l método propuesto, a diferencia de otros, no requiere la construcción previa de mallas poligonales y es robusto al ruido y a valores atípicos presentes en los datos. El método propuesto se compone principalmente de tres etapas. En la primera etapa, se segmenta la nub e de puntos en regiones homogéneas, usando el algoritmo kmeans. En la segunda etapa, se ajusta un plano de regresión de componentes principales robusto al ruido en cada cluster para determinar la tendencia local de los puntos. Finalmente, en la tercer a etapa, usando un algoritmo genético se seleccionan los puntos de cada cluster cuyo plano de regresión de análisis de componentes principa les minimice el ángulo con el plano de regresión del cluster. Resultados experimentales muestran que la distribución local y global de la nube de puntos original se mantiene.
其他摘要：This paper presents a new method for robust point cloud simplification without previous reconstruction of polygonal meshes. The proposed method is robust to the noise and outliers. The proposed is roughly made up of three stages: The first one, segments the point cloud in homogeneous regions by using kmeans clustering. The second one, fits a robust principal component analysis regression plane in each cluster, and the third one, by using a genetic algorithm, selects the points of each cluster whose principal component analysis regression plane minimize the angle with the regression plane of the cluster. It is shown that the local and global distribution of the original point cloud is kept.
关键词：Simplificación de nubes de puntos; PCA; Algoritmos Genéticos. Point cloud simplification; PCA; Genetic Algorithms.