Как вычисляется RSME между облаками точек?

#math #computer-vision #point-clouds

#математика #компьютерное зрение #облака точек

Вопрос:

RSME вычисляет, насколько близко прогнозируемое значение сравнивается с фактическим значением, но в облаке точек есть 2 вещи, которые меня смущают:

  1. Как мы узнаем, какая точка соответствует какой точке, из которой нужно вычесть?
  2. Облака точек являются трехмерными, поскольку имеют значения xyz, но как люди превращают эти 3 значения в одно значение RSME?

Ответ №1:

Прежде всего, это RMSE, а не RSME. Это означает среднеквадратичную ошибку:

https://en.wikipedia.org/wiki/Root-mean-square_deviation

С помощью 3D-координат вы можете сравнивать компоненты или каким-либо другим способом определять меру расстояния. Затем вы включаете это в формулу RMSE. По сути, это означает сравнение ожидаемого значения с вашим наблюдаемым значением.

Что касается соответствия точек — это зависит от выбранного алгоритма. Вероятно, одним из самых известных примеров является ICP:

https://de.wikipedia.org/wiki/Iterative_Closest_Point_Algorithm

В двух словах для каждой точки одного облака определяется ближайшая точка другого облака. Затем вычисляется мера ошибки, и, наконец, точки преобразуются. Это выполняется произвольное количество раз, в зависимости от желаемой точности.

Поскольку я сильно подозреваю, что вы действительно ищете ICP, вот описание того, как они объединяются:

https://en.wikipedia.org/wiki/Iterative_closest_point

Кроме этого вам придется немного почитать самостоятельно.

Комментарии:

1. спасибо за ваш ответ, на самом деле я работаю с CPD в настоящее время, пытаясь выяснить, как количественная оценка точности возвращает 1 значение вместо 3 значений. au.mathworks.com/help/vision/ref/pcregistercpd.html#d122e127037 вот пример встроенного rsme в cpd из matlab