• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Recognition: The Journal of the Pattern Recognition Society >Multidimensional particle swarm optimization-based unsupervised planar segmentation algorithm of unorganized point clouds
【24h】

Multidimensional particle swarm optimization-based unsupervised planar segmentation algorithm of unorganized point clouds

机译：基于多维粒子群算法的无监督点云无监督平面分割算法

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents an unsupervised planar segmentation algorithm of unorganized point clouds based on multidimensional (MD) particle swarm optimization (PSO). A robust objective function of the unsupervised planar segmentation is established according to clustering distances of PSO clustering algorithm and inliers of random sample consensus (RANSAC) method. After that, MD PSO algorithm is adopted to optimize the objective function, where the optimal number and positions of the segmented planar patches are sought simultaneously. In order not to get trapped in local optima, a modification strategy of the global best (GB) position of swarm in each dimension is added to the MD PSO algorithm. Thus the unsupervised planar segmentation of point clouds is realized. Experimental results demonstrate the high planar segmentation accuracy of the proposed algorithm.
机译：本文提出了一种基于多维粒子群优化算法的无监督点云无监督平面分割算法。根据PSO聚类算法的聚类距离和随机样本一致性（RANSAC）方法的内在函数，建立了无监督平面分割的鲁棒目标函数。之后，采用MD PSO算法对目标函数进行优化，同时求出分段平面补丁的最优数目和位置。为了不陷入局部最优，在MD PSO算法中增加了群体在每个维度上的全局最佳（GB）位置的修改策略。因此，实现了点云的无监督平面分割。实验结果表明，该算法具有较高的平面分割精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号