Benutzer: Gast  Login
Originaltitel:
Correspondence Estimation through Descriptor Learning for Point Cloud Registration
Übersetzter Titel:
Korrespondenzschätzung durch Deskriptor-Lernen für die Registrierung von Punktwolken
Autor:
Yu, Hao
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Ilic, Slobodan (Priv.-Doz. Dr.)
Gutachter:
Ilic, Slobodan (Priv.-Doz. Dr.); Steinbach, Eckehard (Prof. Dr.); Birdal, Tolga (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Correspondence estimation on point clouds is a fundamental problem in point cloud registration. This thesis proposes several deep learning-based approaches for generating more reliable correspondences and learning more powerful descriptors. The effectiveness of these approaches is evaluated through direct measurement of correspondence quality and their application in the task of point cloud registration.
Übersetzte Kurzfassung:
Die Schätzung von Korrespondenzen auf Punktwolken ist ein grundlegendes Problem bei der Registrierung von Punktwolken. In dieser Arbeit werden mehrere auf Deep Learning basierende Ansätze zur Erzeugung zuverlässigerer Korrespondenzen und zum Erlernen leistungsfähigerer Deskriptoren vorgeschlagen. Die Wirksamkeit dieser Ansätze wird durch direkte Messung der Korrespondenzqualität und ihre Anwendung bei der Registrierung von Punktwolken bewertet.
WWW:
https://mediatum.ub.tum.de/?id=1713808
Eingereicht am:
27.06.2023
Mündliche Prüfung:
29.11.2023
Dateigröße:
50910859 bytes
Seiten:
170
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231129-1713808-1-9
Letzte Änderung:
11.01.2024
 BibTeX