ランサックポイントクラウド球状ターゲット検出とパラメーター推定方法の改善主要な曲率の制約に基づくパラメーター推定方法

球状のターゲットは、大規模な測定値の統一の座標に広く使用されています。中央の座標を介して、さまざまな場所からのスキャンされたポイントクラウドデータを統一された座標参照システムに変換できます。ただし、Point Cloud Sphereの検出には、エラーの欠点と検出時間が遅くなります。このため、改良されたランダムサンプルコンセンサス（RANSAC）アルゴリズムに基づく球体オブジェクトの検出とパラメーター推定の新しい方法が提案されています。この方法は、RANSACアルゴリズムに基づいています。まず、ポイントクラウドデータの主要な曲率が計算されます。K-D最近傍検索アルゴリズムと組み合わせて、ランダムサンプリングポイントの主要な曲率制約が実装され、RANSACが選択したサンプルポイントの品質を改善し、検出速度を向上させます。第二に、RANSACメソッドは、総最小二乗法と組み合わされます。合計最小二乗法は、RANSACアルゴリズムによって取得された球体オブジェクトの内部ポイントセットを推定するために使用されます。実験結果は、この方法が、球体パラメーターの推定における精度と検出速度の観点から、従来のRansacアルゴリズムを上回ることを示しています。

Spherical targets are widely used in coordinate unification of large-scale combined measurements. Through its central coordinates, scanned point cloud data from different locations can be converted into a unified coordinate reference system. However, point cloud sphere detection has the disadvantages of errors and slow detection time. For this reason, a novel method of spherical object detection and parameter estimation based on an improved random sample consensus (RANSAC) algorithm is proposed. The method is based on the RANSAC algorithm. Firstly, the principal curvature of point cloud data is calculated. Combined with the k-d nearest neighbor search algorithm, the principal curvature constraint of random sampling points is implemented to improve the quality of sample points selected by RANSAC and increase the detection speed. Secondly, the RANSAC method is combined with the total least squares method. The total least squares method is used to estimate the inner point set of spherical objects obtained by the RANSAC algorithm. The experimental results demonstrate that the method outperforms the conventional RANSAC algorithm in terms of accuracy and detection speed in estimating sphere parameters.