Because mis-classification by RANSA

Because mis-classification by RANSAC can result in noisy points, labeling is conducted to filter any points that do not belong to the planes
of interest. Fig. 3 is a conceptual illustration of this refinement process.
First, the inlier points (the blue points in Fig. 3) composing a segmented
plane are rotated and projected onto a 2D binary image that is parallel to
the x–y plane. This binary image represents occupied pixels as 1 (the
colored areas in Fig. 3) and the others as 0. Then, the labeling process
is performed to connect the components. It begins with morphological
processing that defines which pixels are connected to other pixels
based on the number of connected neighborhoods (e.g. touching
edges indicates 4-connectivity; touching edges or corners represents
8-connectivity). After which, each connected component is uniquely labeled with different integer values, and its pixels are counted [37].
Among them, the largest area is retained (e.g., the gray-colored area in
Fig. 3); the others are considered to be noise, and, therefore, are removed from the image.
Prior to the refinement process, the user must define a Refinement
Grid Cell-size (RGC) as the cell size of the binary image. Fig. 4-a depicts
a sample point cloud, and Fig. 4-b, c, and d shows examples of the refinement process with different RGCs. To determine the effect only of
the RGC parameter on the geometric drawing, the other important parameter, Tracing Grid Cell-size (TGC; see subsection 3.2.3), is fixed to
the predetermined optimal value during the test. Typically, a small
RGC determines the connectivity of points more precisely but, because
it increases the number of detected planes, requires excessive processing time. If the RGC is smaller than the average spacing of the point
cloud (Fig. 4-b), it will filter some normal points and, hence, lead to serious disconnections in the traced boundaries. Conversely, a large RGC
can avoid over-segmentation and reduce processing time, but cannot
classify small noisy points close to the largest segment. Fig. 4-c illustrates a case in which the shapes of two windows are distorted by
noisy points left unfiltered by an RGC that is larger than the distance between the noisy points and the window frame. Fig. 4-d shows a case in
which, properly, only noisy points are filtered with the optimal RGC. In
the present study, 0.05 m was chosen for the RGC, because it was larger
than the average spacing of point cloud acquisition (0.01 m) and, in several tests, effectively removed the noisy points within a reasonable time.

ผลลัพธ์ (ไทย) 1:

เนื่องจากผิดประเภท โดย RANSAC สามารถทำในจุดจอแจ ติดฉลากจะดำเนินการเพื่อกรองจุดใด ๆ ที่ไม่อยู่ในเครื่องบินน่าสนใจ รูป 3 เป็นภาพประกอบเป็นแนวคิดของกระบวนการปรับปรุงนี้ครั้งแรก inlier จุด (จุดสีน้ำเงินในรูปที่ 3) เขียนแบ่งเป็นหมุน และฉายภาพไบนารี 2D ที่ขนานกับระนาบเครื่องบิน x – y ภาพไบนารีนี้หมายถึงพิกเซลที่ยึดครองเป็น 1 (สีในรูป 3) และอื่น ๆ เป็น 0 จากนั้น กระบวนการติดฉลากจะดำเนินการเชื่อมต่อคอมโพเนนต์ มันเริ่มต้น ด้วยสัณฐานการประมวลผลที่กำหนดเชื่อมต่อพิกเซลซึ่งพิกเซลอื่น ๆตามจำนวน (เช่นสัมผัสเชื่อมต่อย่านบ่งชี้ขอบ 4-การเชื่อมต่อ สัมผัสขอบหรือมุมแทนการเชื่อมต่อ 8) หลังจากนั้น โดยเฉพาะมีชื่อแต่ละส่วนเชื่อมต่อกับค่าจำนวนเต็มที่แตกต่างกัน และพิกนับ [37]ในหมู่พวกเขา โดยพื้นที่ส่วนใหญ่ถูกเก็บไว้ (เช่น สีเทาพื้นที่ในกินข้าวแดง 3 คนอื่น ๆ จะถือว่าเป็นเสียงรบกวน และ จึง จะถูกเอาออกจากภาพก่อนการปรับแต่ง ผู้ใช้ต้องกำหนดเป็นกริดเซลล์ขนาด (RGC) เป็นเซลล์ขนาดของรูปแบบไบนารี รูปที่ 4 แสดงให้เห็นตัวอย่างจุดเมฆ และรูปที่ 4-b, c และ d แสดงตัวอย่างของกระบวนการปรับแต่งกับ RGCs แตกต่างกัน เพื่อดูผลของRGC พารามิเตอร์ในทางเรขาคณิตรูปวาด อื่น ๆ สำคัญพารามิเตอร์ การติดตามเซลล์ขนาดกริด (สถาน ดูย่อย 3.2.3), ได้รับการแก้ไขไปค่าสูงสุดกำหนดในระหว่างการทดสอบ โดยทั่วไป ขนาดเล็กRGC กำหนดว่าการเชื่อมต่อของจุดอย่างแม่นยำมากขึ้น แต่ เนื่องจากมันเพิ่มจำนวนเครื่องบินที่ตรวจพบ ต้องใช้เวลาในการประมวลผลมากเกินไป ถ้า RGC มีขนาดเล็กกว่าระยะห่างเฉลี่ยของจุดเมฆ (รูป 4-b), มันจะกรองบางจุดปกติ และ ดังนั้น ทำให้บรกิรร้ายแรงติดตามขอบเขต ในทางกลับกัน RGC มีขนาดใหญ่สามารถหลีกเลี่ยงการแบ่งส่วนเกิน และลดเวลาในการประมวลผล แต่ไม่สามารถจัดจุดเสียงดังขนาดเล็กใกล้เคียงกับเซ็กเมนต์ที่ใหญ่ที่สุด รูป 4 c แสดงให้เห็นถึงกรณีที่บิดเบือนรูปร่างของสอง windows โดยการจุดเสียงดังยังไม่ได้กรอง โดย RGC ที่ใหญ่กว่าระยะห่างระหว่างจุดจอแจและกรอบหน้าต่าง ด้านซ้าย รูป 4-d แสดงในกรณีซึ่ง ถูกต้อง กรองจุดเสียงดังเท่ากับ RGC ที่เหมาะสม ในการศึกษาปัจจุบัน 0.05 เมตรเป็นทางเลือกสำหรับ RGC เพราะมันมีขนาดใหญ่กว่าค่าเฉลี่ยระยะห่าง ของจุดซื้อเมฆ (0.01 m) และ ในการทดสอบหลาย มีประสิทธิภาพลบจุดเสียงดังภายในเวลาเหมาะสม

ผลลัพธ์ (ไทย) 2:

เพราะผิดพลาดโดยการจัดหมวดหมู่ RANSAC สามารถส่งผลในจุดที่มีเสียงดัง, การติดฉลากจะดำเนินการเพื่อกรองจุดใด ๆ ที่ไม่ได้อยู่ในเครื่องบิน
ที่น่าสนใจ มะเดื่อ. 3 เป็นภาพแนวความคิดของการปรับแต่งกระบวนการนี้.
First, จุด Inlier (จุดสีฟ้าในรูปที่. 3) เขียนแบ่ง
เครื่องบินจะหมุนและฉายบนภาพไบนารี 2D ที่ขนานกับ
ระนาบ X-Y ภาพนี้แสดงให้เห็นถึงไบนารีพิกเซลครอบครอง 1 (คน
พื้นที่สีในรูปที่. 3) และคนอื่น ๆ เป็น 0 จากนั้นขั้นตอนการติดฉลาก
จะดำเนินการในการเชื่อมต่อองค์ประกอบ มันเริ่มต้นด้วยลักษณะทางสัณฐานวิทยา
การประมวลผลที่กำหนดซึ่งพิกเซลเชื่อมต่อกับพิกเซลอื่น ๆ
ขึ้นอยู่กับจำนวนของที่อยู่อาศัยที่เกี่ยวโยงกัน (เช่นการสัมผัส
ขอบบ่งชี้ 4 เชื่อมต่อ; สัมผัสขอบหรือมุมแสดงให้เห็นถึง
8 การเชื่อมต่อ) หลังจากที่แต่ละองค์ประกอบเชื่อมต่อจะมีป้ายที่ไม่ซ้ำกันกับค่าจำนวนเต็มแตกต่างกันและพิกเซลจะนับ [37].
ในหมู่พวกเขาพื้นที่ที่ใหญ่ที่สุดจะถูกเก็บไว้ (เช่นพื้นที่สีเทาสีใน
รูปที่ 3.); คนอื่น ๆ จะถือว่าเป็นเสียงและจึงจะถูกลบออกจากภาพ.
ก่อนที่จะมีการปรับแต่งกระบวนการที่ผู้ใช้จะต้องกำหนดปรับแต่ง
กริดเซลล์ขนาด (RGC) เป็นเซลล์ขนาดของภาพไบนารี มะเดื่อ. 4-A แสดงให้เห็น
เมฆจุดตัวอย่างและรูป 4-B, C, D และแสดงให้เห็นตัวอย่างของการปรับแต่งกระบวนการที่มี RGCs ที่แตกต่างกัน เพื่อตรวจสอบผลเฉพาะของ
พารามิเตอร์ RGC ในการวาดภาพเรขาคณิตพารามิเตอร์ที่สำคัญอื่น ๆ ติดตามกริดเซลล์ขนาด (TGC ดูส่วนย่อย 3.2.3) ถูกกำหนดเป็น
ค่าที่ดีที่สุดที่กำหนดไว้ในระหว่างการทดสอบ โดยปกติมีขนาดเล็ก
RGC กำหนดการเชื่อมต่อของจุดที่แม่นยำมากขึ้น แต่เพราะ
มันจะเพิ่มจำนวนของเครื่องบินที่ตรวจพบที่ต้องใช้เวลาในการประมวลผลที่มากเกินไป ถ้า RGC มีขนาดเล็กกว่าระยะห่างเฉลี่ยของจุด
เมฆ (รูปที่. 4 ข) ก็จะกรองจุดปกติบางอย่างและจึงนำไปสู่การ disconnections ร้ายแรงในขอบเขตสืบ ตรงกันข้าม RGC ขนาดใหญ่
สามารถหลีกเลี่ยงการแบ่งส่วนเกินและลดเวลาการประมวลผล แต่ไม่สามารถ
จำแนกจุดที่มีเสียงดังขนาดเล็กใกล้กับส่วนที่ใหญ่ที่สุด มะเดื่อ. 4-C แสดงให้เห็นถึงกรณีที่รูปร่างของทั้งสองหน้าต่างที่บิดเบี้ยวโดย
จุดที่มีเสียงดังที่เหลือที่ไม่ได้กรองโดย RGC ที่มีขนาดใหญ่กว่าระยะห่างระหว่างจุดที่มีเสียงดังและกรอบหน้าต่าง ๆ มะเดื่อ. 4-D แสดงให้เห็นถึงกรณีใน
ที่ถูกต้องเพียงจุดที่มีเสียงดังจะถูกกรองที่เหมาะสมกับ RGC ใน
การศึกษาครั้งนี้ 0.05 เมตรได้รับเลือกสำหรับ RGC เพราะมันมีขนาดใหญ่
กว่าระยะห่างเฉลี่ยของการเข้าซื้อกิจการเมฆจุด (0.01 เมตร) และในการทดสอบหลายออกจุดที่มีเสียงดังได้อย่างมีประสิทธิภาพภายในเวลาอันสมควร

ผลลัพธ์ (ไทย) 3:

เพราะจัดหมวดหมู่โดย ransac สามารถส่งผลในจุดที่มีเสียงดัง , การติดฉลากมีวัตถุประสงค์เพื่อกรองจุดใด ๆที่ไม่ได้อยู่ในระนาบที่น่าสนใจ รูปที่ 3 เป็นภาพประกอบแนวคิดของกระบวนการการปรับแต่งนี้แรก , จุด inlier ( จุดสีน้ำเงินในรูปที่ 3 ) การเขียนแบ่งส่วนเครื่องบินจะหมุน และฉายภาพ 2D แบบไบนารีที่ขนานกับX และ Y เครื่องบิน ภาพไบนารีนี้แสดงพิกเซลที่ 1 ( ไม่ว่างพื้นที่สีในรูปที่ 3 ) และคนอื่น ๆเป็น 0 แล้วการติดฉลากกระบวนการจะดำเนินการเพื่อเชื่อมต่อคอมโพเนนต์ มันเริ่มต้นด้วยลักษณะการประมวลผลที่กำหนดซึ่งจะเชื่อมต่อกับพิกเซลพิกเซลอื่น ๆขึ้นอยู่กับจำนวนของการเชื่อมต่อย่านสัมผัส ( เช่นขอบแสดง 4-connectivity ; สัมผัสขอบหรือมุม หมายถึง8-connectivity ) หลังจากที่เชื่อมต่อชิ้นส่วนแต่ละอย่างชื่อกับค่าจำนวนเต็มที่แตกต่างกันและพิกเซลจะนับ [ 37 ]ในหมู่พวกเขา พื้นที่ใหญ่ที่สุดคือสะสม ( เช่น สีในพื้นที่สีเทารูปที่ 3 ) ; คนอื่นจะถือว่าเป็นเสียง , และ , จึง , จะถูกลบออกจากภาพก่อนขั้นตอนการปรับแต่ง ผู้ใช้จะต้องกำหนดมาตรฐานขนาดเซลล์ตาราง ( rgc ) เป็นเซลล์ขนาดของภาพไบนารี รูปที่ 4-a แสดงให้เห็นตัวอย่างเมฆจุดและรูปที่ 4-b C และ D แสดงให้เห็นตัวอย่างของการปรับแต่งกระบวนการกับ rgcs แตกต่างกัน เพื่อศึกษาผลเพียงการ rgc พารามิเตอร์ในการวาดภาพของพารามิเตอร์ที่สำคัญอื่น ๆติดตามขนาดเซลล์ตาราง ( TGC ; ดูวรรค 3.2.3 ) จะคงที่การกำหนดมูลค่าที่เหมาะสม ในการสอบ โดยทั่วไป ขนาดเล็กrgc กำหนดการเชื่อมต่อจุดมากขึ้นแน่นอน แต่เนื่องจากมันเพิ่มจำนวนที่ตรวจพบเครื่องบิน ต้องใช้เวลาในการประมวลผลมากเกินไป ถ้า rgc มีขนาดเล็กกว่าระยะห่างเฉลี่ยของจุดเมฆ ( รูปที่ 4-b ) ก็จะกรองปกติ และบางจุด จึงนำไปสู่การ disconnections ที่ร้ายแรงในการตรวจสอบขอบเขต ในทางกลับกัน rgc ขนาดใหญ่สามารถหลีกเลี่ยงการตัดและลดเวลาในการประมวลผล แต่ไม่สามารถแยกจุดเล็กเสียงดังใกล้ส่วนที่ใหญ่ที่สุด รูปที่แสดงให้เห็นถึงกรณี 4-C ซึ่งในรูปร่างของหน้าต่างบิดเบี้ยวโดยสองจุดเสียงดังทิ้งฐาน โดย rgc ที่ใหญ่กว่า ระยะห่างระหว่างจุดที่มีเสียงดังและกรอบหน้าต่าง รูปแสดงกรณี 4-Dที่ถูกต้อง แต่จุดเสียงดังจะถูกกรองด้วย rgc ที่ดีที่สุด ในการศึกษา , 0.05 เมตร ถูกเลือกให้ rgc เพราะมันใหญ่ขึ้นกว่าระยะห่างเฉลี่ยของการซื้อเมฆจุด ( 0.01 เมตร ) และในการทดสอบหลาย ๆ อย่างมีประสิทธิภาพลบจุดเสียงดังภายในเวลาที่เหมาะสม