Three‐dimensional Scan Registration using Curvelet Features in Planetary Environments
Notice bibliographique
Résumé
Topographic mapping in planetary environments relies on accurate three‐dimensional (3D) scan registration methods. However, most global registration algorithms relying on features such as fast point feature histograms and Harris‐3D show poor alignment accuracy in these settings due to the poor structure of the Mars‐like terrain, and the variable‐resolution, occluded, sparse range data that are difficult to register without somea prioriknowledge of the environment. In this paper, we propose an alternative approach to 3D scan registration using the curvelet transform that performs multiresolution geometric analysis to obtain a set of coefficients indexed by scale (coarsest to finest), angle, and spatial position. Features are detected in the curvelet domain to take advantage of the directional selectivity of the transform. A descriptor is computed for each feature by calculating the 3D spatial histogram of the image gradients, and nearest‐neighbor‐based matching is used to calculate the feature correspondences. Correspondence rejection using random sample consensus identifies inliers, and a locally optimal singular value decomposition‐based estimation of the rigid‐body transformation aligns the laser scans given the reprojected correspondences in the metric space. Experimental results on a publicly available dataset of a planetary analogue indoor facility, as well as simulated and real‐world scans from Neptec Design Group's IVIGMS 3D laser rangefinder at the outdoor CSA Mars yard, demonstrate improved performance over existing methods in the challenging sparse Mars‐like terrain.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».