프롬프트 설명

스캔된 포인트 클라우드는 먼저 복셀 그리드 필터링을 사용하여 다운샘플링되어 밀도를 줄이고 노이즈를 억제합니다. 이어서 스케일 불변 특징 변환(SIFT)을 사용하여 스케일 불변 키포인트를 추출하고, 이들의 고속 포인트 특징 히스토그램(FPFH) 디스크립터를 계산하여 로컬 기하학적 특징을 나타냅니다. 이러한 키포인트 특징을 기반으로 샘플 컨센서스 초기 정렬(SAC-IA)을 수행하여 전역적인 대략적 정합을 수행합니다. 이 알고리즘은 FPFH 특징 공간 내에서 임의의 컨센서스를 검색하여 안정적인 초기 대응 관계를 얻고 초기 변환을 추정합니다. 이어서 반복적 최근접점(ICP)을 사용하여 로컬 미세 정합을 수행하고, 가장 가까운 점까지의 거리를 반복적으로 최소화하여 고정밀 자세 추정을 얻습니다. 강건성과 수렴성을 향상시키기 위해 적응적 다운샘플링 및 법선 제약 조건이 ICP 프로세스에 통합됩니다. 최종 변환은 대략적 정합 행렬과 미세 정합 행렬을 곱하여 얻어지며, 스캔된 포인트 클라우드와 CAD 포인트 클라우드 간의 고정밀 정렬을 달성하여 공작물 자세 추정 및 후속 경로 매핑을 위한 신뢰할 수 있는 기반을 제공합니다.