Rozpoznávání objektů na základě jejich 3D modelů: volba klíčových bodů

Abstract

Práce se zabývá zpracováním 3D mračen bodů se zaměřením na rozpoznávání objektů a odhad jejich polohy a orientace. Je analyzován vliv klíčových kroků pipeline, zejména detekce klíčových bodů, výpočtu lokálních deskriptorů a párování korespondencí, na přesnost a robustnost výsledků.

V rámci práce jsou implementovány a porovnány vybrané metody, včetně deskriptorů PFH, FPFH a SHOT, přičemž odhad transformace je prováděn pomocí algoritmů RANSAC a ICP. Experimenty byly provedeny na scénách různé složitosti.

Výsledky ukazují významný vliv volby parametrů i charakteru scény na úspěšnost odhadu polohy a orientace a poskytují doporučení pro jejich nastavení.

This thesis focuses on 3D point cloud processing with an emphasis on object recognition and pose estimation. It analyzes the influence of key steps of the processing pipeline, namely keypoint detection, local feature descriptor computation, and correspondence matching, on the accuracy and robustness of the results.

Selected methods, including PFH, FPFH, and SHOT descriptors, are implemented and compared, while transformation estimation is performed using the RANSAC and ICP algorithms. Experiments were conducted on scenes of varying complexity.

The results show a significant influence of parameter selection as well as scene characteristics on the success of pose estimation and provide recommendations for parameter selection.