Registro de Nubes de Puntos 2D: Comparación entre Métodos Iterativos y una Red Neuronal Artificial

Resumen

El registro rígido es un enfoque que busca alinear dos o más
conjuntos de puntos mediante una matriz de transformación.
Sus aplicaciones radican en el análisis y reconstrucción de
objetos y escenas con propósitos arquitectónicos, industriales
o médicos. Uno de los principales problemas es encontrar la
matriz de transformación homogénea que efectúe la mejor
alineación entre un par de nubes de puntos. En este trabajo se
propone una arquitectura de una Red Neuronal Artificial
(ANN) para el registro rígido de un conjunto de puntos en
2D. Además, se propone comparar la ANN con tres de los
algoritmos más utilizados en la literatura: Iterative Closest
Point (ICP), Random Sample Consensus (RANSAC) y
Coherent Point Drift (CPD). Para efectuar la comparación se
utilizó una nube de puntos en 2D extraída del contorno de
una mano. Los resultados mostraron que RANSAC presentó
el menor error acumulado (0.008 u), seguido de ICP
(5.1X103 u), la ANN propuesta (14.8X104 u) y finalmente
CPD (97.7X104 u). Con respecto a RANSAC, ICP y CPD,
los resultados se pueden ver comprometidos dependiendo el
número de iteraciones o parámetros internos asignados. Por
otra parte, la ANN tiene la capacidad de aprender de diversos
conjuntos de puntos y puede efectuar la alineación de forma
no iterativa con un mínimo error de alineación. La
comparación efectuada muestra que cualquiera de los
métodos evaluados puede ser factible en diversas
aplicaciones de análisis y reconstrucción de objetos y
escenas.