Object Classification via Planar Abstraction

Sven Oesau 1 Florent Lafarge 1 Pierre Alliez 1
1 TITANE - Geometric Modeling of 3D Environments
CRISAM - Inria Sophia Antipolis - Méditerranée
Résumé : Nous introduisons une approche par apprentissage supervisée pour classifier des objets à partir de points échantillonnés dans l’espace. L’idée principale consiste à approximer l’objet initial en parties planaires à différentes échelles, pour ensuite distinguer les différentes classes d’objets sans tenir compte des points échantillonnées. L’abstraction en formes planaires est un moyen à la fois de réduire la complexité algorithmique de l’analyse, et d’améliorer la robustesse aux défauts de mesures dans le processus d’acquisition des données. Mesurer des propriétés statistiques et des relations entre formes planaires offre une invariance à l’échelle et à l’orientation. L’algorithme Random Forest est utilisé pour résoudre le problème de classification multi-classe. Nous démontrons le potentiel de notre approche sur un ensemble d’objet de scène d’intérieur en utilisant plusieurs benchmarks et en comparant les performances avec des méthodes basées sur des descripteurs locaux de points.
Type de document :
Rapport
[Research Report] RR-8782, INRIA Sophia Antipolis - Méditerranée. 2015, pp.14
Liste complète des métadonnées

Littérature citée [27 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01207676
Contributeur : Sven Oesau <>
Soumis le : vendredi 16 octobre 2015 - 11:11:06
Dernière modification le : jeudi 11 janvier 2018 - 16:36:01
Document(s) archivé(s) le : lundi 18 janvier 2016 - 06:01:03

Fichier

RR-8782.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01207676, version 2

Collections

Citation

Sven Oesau, Florent Lafarge, Pierre Alliez. Object Classification via Planar Abstraction. [Research Report] RR-8782, INRIA Sophia Antipolis - Méditerranée. 2015, pp.14. 〈hal-01207676v2〉

Partager

Métriques

Consultations de la notice

404

Téléchargements de fichiers

240