Redukcija oblaka tačaka primenom SVM metode

Abstract

Ovaj rad istražuje mogućnosti smanjenja oblaka tačaka pomoću regresivne metode potporna vektorima (ε-SVR). ε-SVR je tehnika koja može da sprovede regresiju koristeći različite kernel funkcije (sigmoid, radial basis function, B-spline, spline, itd.) i pogodna je za detekcije ravnih regiona i regiona sa visokim neravninama. Korišćenjem ε-SVR gustina sačuvanih tačaka je prilagodljiva - sačuvane tačke su gušće u zakrivljenom a retke u ravnim regionima skeniranih podataka. Podešavanje regresivne greške, broj sačuvanih tačaka se mogu podešavati.

This paper explores the possibilities of point cloud reduction using ε insensitive support vector regression (ε-SVR). ε-SVR is a technique that can carry out the regression using different kernel functions (sigmoid, radial basis function, B-spline, spline, etc.) and it is suitable for detection of flat regions and regions with high curvature in scanned data. Using ε-SVR the density of preserved points is adaptive - preserved points are denser at highly curved region and rare at flat regions. Adjusting the error cost in the regression, the number of preserved points can be fine tuned.