一种综合的姿态估计算法-CMIA  

Integrated and Intelligent Pose Estimation Method-CMIA

作　　者：周婧[1] 覃征[1] 贺巍[1] 

机构地区：[1]清华大学软件学院,北京100084

出　　处：《小型微型计算机系统》2008年第3期530-533,共4页Journal of Chinese Computer Systems

基　　金：国家"九七三"项目-现代设计大型应用软件的共性基础(2004CB719400)资助;国家自然科学基金项目(60542004)资助

摘　　要：结合CPCA(连续主成分分析)与MND(最大法向量分布)两种姿态估计方法,提出一种综合的姿态估计算法CMIA(CPCA and MND Integrated Algorism).研究发现CPCA与MND所适合的模型具有互补性,故将两者结合起来,根据模型的具体特征,选择合适的姿态估计算法.通过深度缓存算法对规范后的模型进行特征提取,并用PSB(Princeton Shape Benchmark)进行测试.实验结果验证了该算法的有效性.该算法的精确度较MND提高了24%,较CPCA提高了5%.可见通过选择合适的姿态估计算法,明显提高了模型的规范化效果.By Integrating CPCA （Continuous Principle Component Analysis） and MND （Maximal Normal Distribution）,This paper presents an intelligent and integrated pose estimation method-CMIA（CPCA and MND Integrated Algorism）. Because of the complementarities of CPCA and MND, CMIA integrates the two methods and analyzes attributes of models to select a suitable pose estimation method for them. By using z-buffer as model descriptor and using PSB （Princeton Shape Benchmark）, experiment shows that the precision of this method outperforms MND by 24% and CPCA by 5%. Therefore it＇s an effective method which can select suitable pose estimation method for different models.

关 键 词：姿态估计 规范化 CPCA MND 综合 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]