به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "nearest neighbors" در نشریات گروه "مکانیک"

تکرار جستجوی کلیدواژه «nearest neighbors» در نشریات گروه «فنی و مهندسی»
جستجوی nearest neighbors در مقالات مجلات علمی
  • خلیل خلیلی، ابوالفضل فورگی نژاد
    ارائه مدل های سه بعدی بر پایه نقاط بدلیل سادگی آن مورد توجه قرار گرفته است. پایه بسیاری از تحلیل های صورت پذیرفته در ابر نقاط، مشخص نمودن همسایگی های هر نقطه در ابر نقاط است. در این مقاله برای تعیین همسایگی های یک نقطه در ابر نقاط از روشی جدید با نام همسایگی همگن استفاده شده است. در این روش برای تعیین همسایگی، اقدام به بهبود روش نزدیکترین k همسایگی شد تا علاوه بر نزدیک بودن همسایگی ها، توزیع آنها در اطراف نقطه مورد بررسی نیز لحاظ شود. در این پژوهش تاثیر انتخاب همسایگی ها بر روی تخمین بردار نرمال سطح مورد بررسی قرار گرفته و بردار نرمال سطح با استفاده از همسایگی همگن محاسبه شده است. برای ارزیابی کارآیی روش پیشنهادی، بردار نرمال سطح با استفاده از همسایگی های بدست آمده از روش نزدیکترین k همسایگی نیز محاسبه و با بردار نرمال حاصل شده از روش همسایگی همگن مقایسه شد. نتایج حاصله نشان داد که همسایگی همگن در تخمین بردار نرمال از دقت بهتری برخوردار است. همچنین به منظور ارزیابی کارکرد، همسایگی همگن در هم مرجع سازی ابرهای نقاط مورد استفاده قرارگرفت که نتایج بدست آمده نشان داد استفاده از آن می تواند باعث کاهش خطا در هم مرجع سازی ابرهای نقاط شود.
    کلید واژگان: ابرنقاط, نزدیکترین k همسایگی, بردار نرمال سطح, گراف همسایگی
    Khalili - Khalili_Abolfazl Foorginejad
    Point based 3D modeling has recently received greater attention، mainly due to its simplicity. One of the most fundamental operations for point set processing is to find the neighbors of each point in point clouds. This paper presents a new method called homogeneous neighborhood for determining neighbors in point clouds. This method of choosing neighbors، in addition to the distance takes into consideration the directional balance by improving the k nearest neighbors. The directional balance describes whether the neighbors are well spread around the point of concern. In this study effects of selecting neighbors on normal vector estimation are investigated. Normal vector is calculated using homogeneous neighborhood. For evaluation of the proposed method in determining neighbors، normal vector are calculated using the k nearest neighbors. The results show that the homogeneous neighborhood method is more accurate in normal vector estimation than the k nearest method. For evaluation of the homogeneous neighborhood method، it was employed in point cloud registration application. The results of registration by using the homogeneous neighborhood show that this method of neighbor selection yields reduced registration errors.
    Keywords: point cloud, k, nearest neighbors, surface normal vector, neighborhood graph
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال