Resumen de Estimación de Normales y Reducción de Datos Atípicos en Nubes de Puntos Tridimensionales

Esmeide Leal, Nallig Leal, Germán Sánchez Torres

• español

  En este trabajo se presenta un método para la estimación de los vectores normales y para la reducción de datos atípicos en las superficies descritas a partir de puntos 3D. El método se basa en la técnica de Análisis de Componentes Principales Robusto que es aplicada a un vecindario estimado de acuerdo a las condiciones geométricas locales. Inicialmente se eliminan los datos atípicos con un procedimiento basado en la distancia de Mahalanobis. Posteriormente, para cada uno de los puntos restantes el método toma un vecindario de tamaño variable. Se muestra que la estimación del plano tangente es más precisa utilizando un vecindario de tamaño variable en relación con uno fijo, permitiendo una estimación más precisa de la normal. El método permite estimar los vectores normales de manera robusta al ruido, datos atípicos y presencia de bordes y esquina.

• English

  This paper shows a method for normal vectors estimation and outlier reduction for point cloud surfaces. This method is based on Robust Principal Component Analysis applying to a sizable neighborhood, estimated according to local geometric featuring. First, outlier reduction is applied by means of a Mahalanobis distance based procedure. Subsequently, a variable size neighborhood is estimated calculating local geometric features. The resizable neighborhood showed to give a more accurate tangent plane estimation than a size fixed neighborhood, allowing accurate normal estimation. The method permits normal vector estimation that is robust to noise, outliers and border and sharp features.