Usporedba dubokih modela i tradicionalnih metoda za 3D registraciju oblaka točaka

diplomski rad

• Naslov (engleski): Deep Learning Vs. Traditional 3D Point Cloud Registration Methods
• Autor: Fran Čudina
• Mentor: Tomislav Pribanić (mentor)
• Član povjerenstva: Tomislav Pribanić (predsjednik povjerenstva)
• Član povjerenstva: Mario Cifrek (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-08, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Kao jedan od bitnih iskoraka u računalnom vidu, fokusiranom na 3D oblake točaka, je i 3D registracija koja se svodi na izdvajanje značajki iz točaka na danom oblaku točaka i provođenju spajanja dva oblaka točaka prema podudaranjima između njih. Ovakav pristup se u većini slučajeva preuzima iz 2D domene i prilagođava na 3D točke stoga je takav proces prilagodbe i opisan. Primarno u ovom radu analiziramo tradicionalne metode i metode bazirane na dubokim modelima i korištenu teorijsku i matematičku pozadinu svake od metode zasebno. Od tradicionalnih metoda obrađena je Harris3D metoda s FPFH metodom, te Super4PCS metoda i njena sporija verzija 4PCS, dok od dubokih analiziramo D3Feat i 3DMatch metodu kao jedne od često korištenih metoda prilikom usporedbe rezultata dubokih modela. Provedena je i evaluacija svih metoda na 3DMatch skupu podataka gdje su duboke metode nadmašile tradicionalne za veliku razliku te su dobiveni rezultati prikazani tablično i kroz provedene primjere 3D registracije.

Sažetak (engleski)

As one of the important steps in computer vision, focused on 3D point clouds, is 3D registration, which comes down to extracting features from points on a given point cloud and conducting the merging of two point clouds according to the matches between them. This approach is in most cases taken from the 2D domain and adapted to 3D points, so such an adaptation process is described. Primarily in this paper we analyze traditional methods and methods based on deep models and the used theoretical and mathematical background of each of the methods separately. Of the traditional methods, Harris3D method with FPFH method, Super4PCS method and its slower version 4PCS, while from deep methods we analyze D3Feat and 3DMatch method as one of the most frequently used methods when comparing the results of deep models. An evaluation of all methods on the 3DMatch data set was performed, where deep methods surpassed the traditional ones by a large margin, and the obtained results were presented in tables and through implemented examples of 3D registration.

• Ključne riječi: Detekcija ključnih točaka; deskripcija točaka3D registracija; 3DMatch; 4PCS; Harris3D; FPFH; D3Feat
• Ključne riječi (engleski): Keypoint detection; point description; 3D registration; 3DMatch; 4PCS; Harris3D; FPFH; D3Feat
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:321271
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:39:34