Registrace označených mračen bodů

Abstract

Tato práce se zabývá vývojem metody pro registraci částečně překrývajících se mračen bodů a zjištění vlivu sémantických informací v procesu registrace. Výstupem práce je metoda, která využívá informace získané z konvolučních neuronových sítí pro rozdělení mračen bodů a zarovnání lokálních struktur pomocí analýzy hlavních komponent. Tato metoda byla testována proti tradičním metodám na veřejně dostupných datasetech. Experimenty ukázaly, že registrace menších celků vedla k mnohem stabilnějším a přesnějším výsledkům než tradiční přístupy.

This thesis delves into developing a pipeline for registering partially overlapping large-scale point clouds and measuring the influence of semantic label information in the registration process. The result of this work is a method that uses the additional information obtained from convolutional neural networks to partition the point clouds and align local structures using principal component analysis. This method was tested against traditional methods on publicly available datasets. Experiments have shown that aligning smaller subsets proved much more stable and accurate than traditional approaches.