توصیفگر مقیاس مقاوم مبتنی بر ماتریس کواریانس برای انطباق ابرهای نقطه ی سه بعدی

ایجاد مدل سه بعدی از محیط و اشیای موجود در آن، یکی از مسائل اساسی در حوزه ی بینایی کامپیوتر است. این امر در عین حال که ممکن است خود یک هدف غایی باشد، می تواند مقدمه ای برای حل مسایل دیگر به شمار رود. در روش های موجود، معمولاً از حسگرهایی مانند لیزر یا دوربین استریو برای استخراج نقاطی از سطوح خارجی اشیای محیط استفاده می شود. به مجموعه ی نقاط بدست آمده در اصطلاح، ابر نقطه می گویند. به دلیل ماهیت این حسگرها، برای استخراج ابرهای نقطه باید به دفعات و در مکان ها و زوایای مختلف از این حسگرها استفاده نمود. در این حالت، چندین ابر نقطه بدست می آید که هر یک از آن ها در یک دستگاه مختصات متفاوت قرار داشته و همه باید به یک دستگاه مختصات واحد منتقل شوند. به این کار در اصطلاح انطباق ابرهای نقطه گفته می شود. با داشتن حداقل سه تناظر میان هر دو ابر نقطه می توان تبدیل مورد نیاز برای انطباق آن ها را بدست آورد. از آن جایی که یافتن تناظرهای دقیق میسر نیست، معمولاً تعداد زیادی تناظر محاسبه شده و سپس با استفاده از الگوریتم نمونه برداری تصادفی و اجماع، تبدیل مورد نیاز تخمین زده می شود. برای یافتن تناظرها معمولاً از توصیفگرهای سه بعدی محلی استفاده می شود. هدف این توصیفگرها که برای هر نقطه از ابر ساخته می شوند، توصیف موقعیت نقاط موجود در همسایگی آن نقطه است. با داشتن توصیفگرهای نقاط هر دو ابر نقطه و مقایسه ی آن ها می توان نقاط متناظر ابرها را یافت. توصیفگرهای موجود اما مشکلات فراوانی دارند. از جمله این مشکلات می توان به عدم مقاومت کامل نسبت به تغییر مقیاس، پیچیدگی محاسباتی و مکانی بالا و پارامتری بودن آن ها اشاره کرد. در این پایان نامه یک توصیفگر سه بعدی محلی جدید مبتنی بر ماتریس کواریانس ارایه شده است. دلیل استفاده از ماتریس کواریانس به عنوان توصیفگر، توانایی توصیفگری بالای آن ها، وجود معیارهای فاصله با ویژگی های نظری مناسب برای این دسته از ماتریس ها و نیاز کم آن ها به حافظه بوده است. علاوه بر این در این پایان نامه از یک روش جدید برای تعیین نقاط همسایه و مقاوم ساختن توصیفگر نسبت به تغییر مقیاس استفاده شده است. آزمایش ها نشان می دهد که توصیفگر پیشنهادی نسبت به دیگر توصیفگرهای سه بعدی مطرح قدرت توصیفگری مناسبی داشته و از نظر پیچیدگی زمانی و مکانی بر آن ها برتری دارد. علاوه بر این، مقاومت توصیفگر پیشنهادی به گونه ای است که تقریباً می توان گفت در مقابل هر تغییر مقیاسی مقاوم است.