基于点云的随机漫步特征检测
计算机视觉与模式识别
2026-04-23 v1
摘要
点云中能够完整描绘模型形状的点至关重要，因为它们是众多点云处理任务的基础，广泛应用于计算机图形和计算机辅助设计。本研究引入一种新方法 RWoDSN，用于提取此类特征点，同时考虑尖锐与光滑过渡、粗糙与细小尺度以及纹理与细节特征。我们将特征提取视为两个阶段的情境依赖分析问题。在第一阶段，我们提出一种新颖的邻域描述子，称为圆盘采样邻域（DSN），其不同于传统的在空间和几何上不变的方法，保留矩阵结构同时保持法向邻域关系。在第二阶段，对 DSN 执行随机漫步（RWoDSN），得到一种基于图的 DSN，同时考虑每个点周围局部表面的空间分布、拓扑特性和几何特征。这一方法有效地提取了特征点。实验结果表明，所提出的 RWoDSN 方法在召回率上比当前最先进方法高出 0.769-22%，精度为 0.784。此外，在八个评估指标上，其显著优于传统方法和深度学习技术。
引用
@article{arxiv.2604.20474,
title = {Random Walk on Point Clouds for Feature Detection},
author = {Yuhe Zhang and Zhikun Tu and Zhi Li and Jian Gao and Bao Guo and Shunli Zhang},
journal= {arXiv preprint arXiv:2604.20474},
year = {2026}
}
备注
20 pages, 11 figures. Published in Information Sciences