Point Cloud - แกนหลัก - การใช้ความเฉื่อย

ฉันมีเมฆชี้ของวัตถุดึกดำบรรพ์ที่แตกต่างกัน (กรวย ระนาบ พรู ทรงกระบอก ทรงกลม ทรงรี) ทั้งหมดจะแตกต่างกันไปในการวางแนว ตำแหน่ง และขนาด นอกจากนี้ ทั้งหมดยังเริ่มต้นด้วยชุดพารามิเตอร์ที่ไม่ซ้ำกัน (เช่น ความสูง รัศมี ฯลฯ) เพื่อให้รูปร่างของพวกมันมีความแตกต่างกัน (กรวยบางอันสูง บางอันก็เล็กและอ้วน)

ตอนนี้ถึงคำถามของฉัน:

ฉันกำลังพยายามค้นหาวัตถุ "ส่วนประกอบหลัก" การใช้ PCA ไม่ได้นำไปสู่ผลลัพธ์ที่ดี เนื่องจากพื้นฐานที่หมุนแล้วสามารถมีการเปลี่ยนแปลงหลักไปในทิศทางใดก็ได้ (ซึ่งไม่จำเป็นต้องเป็นไปตามความยาวของวัตถุ)

โอกาสเดียวที่ฉันเห็นคือใช้ความสมมาตรของวัตถุดั้งเดิมของฉัน ไม่มีวิธีการที่ใช้ความเฉื่อยใช่ไหม อาจมีวิธีหาแกนสมมาตรหลักและอีกสองแกนตั้งฉากกับแกนนั้นไหม

คุณช่วยให้คำแนะนำหรือชี้ให้ฉันดูเอกสารหรือการนำไปใช้งาน (อาจเป็น Python) ได้ไหม

ขอบคุณมากเมอร์ลิน

PS: นี่คือสิ่งที่ฉันได้รับถ้าฉันใช้ PCA เท่านั้น โดยเฉพาะอย่างยิ่งสำหรับโคนสิ่งนี้ไม่ได้ผลจริงๆ มีเพียงกรวยที่มีรูปร่างเกือบเหมือนกันเท่านั้นที่มีการวางแนวเหมือนกัน แต่ฉันต้องการให้พวกมันทั้งหมดชี้ไปในทิศทางเดียว (เช่น ขึ้น)

ป้อนคำอธิบายรูปภาพที่นี่


components point-clouds axes pca
person HesselKRaymond    schedule 15.04.2015    source แหล่งที่มา

คำตอบ (3)


arrow_upward
0
arrow_downward

คุณมีกรวยและแค่ต้องหมุนมันทั้งหมดไปในทิศทางเดียวกันเหรอ? หากเป็นเช่นนั้น คุณสามารถวางสามเหลี่ยมให้พอดีและชี้ยอด (เช่น เส้นแบ่งครึ่งตั้งฉากของด้านข้าง) ไปยังแกนหลักของคุณ

person Xref_failed    schedule 15.04.2015
comment
ฉันมีวัตถุดั้งเดิมที่กล่าวถึงทั้งหมดแล้ว (ทรงกลม, ทรงรี, ... ) เหตุผลที่รูปภาพแสดงเฉพาะกรวยก็คือ ในกรณีนี้ PCA ล้มเหลวมากที่สุด (กรวยทั้งหมดชี้มากหรือน้อยไปในทิศทางที่ต่างกัน) ฉันเพิ่งพบบทช่วยสอนนี้ แต่ฉันไม่แน่ใจว่าจะช่วยอะไรได้บ้าง ดูเหมือนว่าจะคำนวณองค์ประกอบหลักของ point cloud โดยการตรวจสอบความเฉื่อยแทน PCA pointclouds.org/documentation/tutorials/moment_of_inertia.php คุณคิดอย่างไร - person HesselKRaymond; 16.04.2015

arrow_upward
0
arrow_downward

คุณมีปัญหาที่น่าสนใจ ตัวอธิบายรูปร่างที่ใช้โดยทั่วไป (VFH) ที่ไม่แปรผันตามรูปร่างแต่ไม่ก่อให้เกิด (ซึ่ง เป็นสิ่งที่คุณต้องการจริงๆ) จะไม่แปรเปลี่ยนกับการยืดรูปร่าง

ฉันคิดว่าจะประสบความสำเร็จในสิ่งนี้คุณต้องมีความชัดเจนมากขึ้นเกี่ยวกับค่าคงที่ที่คุณพยายามรักษาไว้เมื่อรูปร่างเปลี่ยนไป มันเป็นค่าคงที่ของทอพอโลยีหรือไม่? หากเป็นเช่นนั้น นี่คือจุดเริ่มต้นที่ดี: https://www.google.com.tr/search?q=topologically%20invariant%20shape%20descriptor

person D.J.Duff    schedule 16.04.2015
comment
แนวคิดของโปรเจ็กต์ทั้งหมดคือการป้อนดั้งเดิมของฉัน (หลังจากประมวลผลล่วงหน้าเล็กน้อย) เป็นผู้เรียนรู้เชิงลึก (ตัวเข้ารหัสอัตโนมัติ denoising แบบซ้อน) เพื่อดูว่าสามารถเรียนรู้คุณสมบัติที่มีความหมายได้หรือไม่ หากเป็นกรณีนี้ ก็ควรจะสามารถจำแนกประเภทพื้นฐานส่วนใหญ่ได้อย่างถูกต้อง ดังนั้นการกำหนดตัวอธิบายรูปร่างจึงเป็นสิ่งที่ฉันพยายามหลีกเลี่ยง ฉันไม่ต้องการใช้ความรู้เฉพาะโดเมนใดๆ (วิศวกรรมคุณลักษณะ) ก่อนที่จะป้อนข้อมูลของฉันให้กับแมชชีนเลิร์นนิง มันควรจะดิบที่สุดเท่าที่จะเป็นไปได้ สิ่งเดียวที่ฉันต้องการทำล่วงหน้าคือจัดตำแหน่ง point cloud ทั้งหมดและ voxelize พวกมัน - person HesselKRaymond; 16.04.2015
comment
ฉันเกรงว่าการจัดตำแหน่งที่คุณตั้งใจจะทำคือความรู้โดเมน ไม่สามารถหาได้จากข้อมูลทางประสาทสัมผัสทันที แม้ว่าคุณจะใช้ PCA คุณกำลังตั้งสมมติฐานบางประการเกี่ยวกับเมื่อการกำหนดค่าที่แตกต่างกันสองแบบมีรูปร่างเหมือนกัน (เพราะคุณต้องการสมมติฐานเหล่านั้นเพื่อกระตุ้นให้เกิดการเลือกการจัดตำแหน่ง - ไม่เช่นนั้น คุณจะจัดตำแหน่งได้อย่างไร คุณอาจมีคำตอบที่ฉันไม่เคยคิด แต่มุมมองของฉันคือเบื้องหลังแนวทางการจัดตำแหน่งทุกครั้งนั้นเป็นข้อสันนิษฐาน) - person D.J.Duff; 16.04.2015
comment
เช่นนี้ ฉันคาดหวังว่าจะต้องเรียนรู้การจัดตำแหน่งเช่นกันหากคุณไม่ได้ตั้งสมมติฐานใดๆ เลย แต่แล้ว การเรียนรู้เชิงลึกอย่างฉันกลับบอกว่าเป็นสิ่งมหัศจรรย์ - person D.J.Duff; 16.04.2015
comment
ใช่มันเป็นความจริง. หากฉันพยายามค้นหาแนวร่วมที่สมบูรณ์แบบ ฉันคงต้องตั้งสมมติฐานบางประการ สำหรับพื้นฐานเช่น มันจะเป็นว่าวัตถุทั้งหมดมีความสมมาตรในการหมุน ดังนั้นฉันจะยึดติดกับ PCA บริสุทธิ์ซึ่งอย่างน้อยก็ปรับทิศทางวัตถุที่คล้ายกันในลักษณะเดียวกัน นี่เป็นเรื่องทั่วไปโดยสิ้นเชิงและสามารถนำไปใช้กับอินพุตประเภทใดก็ได้ (อาจเป็นโมเดล CAD ที่ซับซ้อนกว่า แต่ก็รวมถึงข้อมูล n มิติด้วย) หากยังมีการเปลี่ยนแปลงเหลืออยู่ แมชชีนเลิร์นนิงจะต้องจัดการมัน นั่นคือสิ่งที่มีไว้สำหรับ ... การตีความอินพุตที่ไม่ได้เรียนรู้ตั้งแต่แรก - person HesselKRaymond; 17.04.2015

arrow_upward
0
arrow_downward

ฉันตัดสินใจที่จะยึดติดกับ PCA แบบธรรมดา เนื่องจากเป็นวิธีเดียวที่ใช้กันทั่วไปโดยสิ้นเชิง และไม่ขึ้นอยู่กับความรู้ก่อนหน้า (ผู้เชี่ยวชาญ) เกี่ยวกับข้อมูล

person HesselKRaymond    schedule 20.04.2015