基于点云的三维物体重现

摘要：

点云数据上的三维物体重现是计算机视觉领域中一个很重要的方向,解决这个问题的算法有很多.其中基于最小二乘问题的Levenberg-Marquart算法是一个很好的方案,但是该算法对噪声很敏感,为了减少噪声对精度的影响,于是产生了Huber1的M-Estimator”i”算法,将Levenberg-Marquart和M-Estimator结合能够对噪声产生更强的鲁棒性.但是在点数量较多和噪声等级较高的时候该算法表现的还是不尽人意,结合Levenberg-Marquart算法和Huber的M-Estimator提出了一种新的算法,能很好的解决上述的两个问题,在点数较多和噪声等级较高的时候新算法都能表现出较高的鲁棒性.

关键词： 计算机视觉 点云数据 三维物体重现 鲁棒性

作者: 胡甘乐 陈言 李胜男 林晓 马利庄

作者单位: 上海交通大学电子信息与电气工程学院数字媒体与数据重建实验室,上海市200240

会议类型: 国内会议

会议名称: 第十七届全国计算机辅助设计与图形学学术会议(CAD/CG’ 2012)暨第九届全国智能CAD与数字娱乐学术会议(CID’ 2012)

会议地点: 青岛

会议语种:中文

页码: 101-103

在线出版日期: 2012-07-19（万方平台首次上网日期，不代表论文的发表时间）