3D目标识别：Modeling Globally, Matching Locally: Efficient and Robust 3D Object Recognition（笔记）——2010

3D目标识别：全局建模，局部匹配： 高效稳健的 3D 目标识别（笔记)

摘要

文章的主要研究方向是针对点云数据中具有自由形态特征的三维目标识别问题。该系统通过融合方向向量与局部几何特征，并结合高效的模型匹配算法，在此基础上设计了一种基于投票机制的快速定位方案。开发了一种全局建模方法用于描述区域内的几何结构关系，在复杂环境如噪声污染、环境杂波以及部分被遮挡的情况下仍能保持较高水平的目标检测准确率。

1. 全局法在3D目标识别方面的速度、精度和泛化性表现欠佳；而基于局部不变特征的方法具有较高的效率优势,但其对目标表面分辨率和模型数据质量的要求较高。
2. 基于全局模型描述的方法通过构建相似特征的点对实现全局分布;这种表示形式不仅能够保证识别效率的同时还进一步优化了计算与识别的速度。
3. 借鉴广义霍夫变换的思想提出的快速投票方案,在一个由模型上的关键点及其围绕表面法线旋转参数化的缩减搜索空间内优化了模型的姿态。

相关工作

用于检测对象的广义霍夫变换的变体仅限于处理原始对象；这是因为对具有6个自由度的完整3D姿势进行恢复计算的成本过高

首先阐述了点对特征的相关内容。接着介绍了基于这些点对特征构建全局模型的具体方法。最后重点阐述了投票方案的实施步骤与效果分析。

模型描述和投票方案 （核心部分）

![在这里插入图片描述](https://cdl