3次元点群登録において、各視点のレーザースキャン点群データには重複する部分が存在する。重複領域の違いによって生じる点群の密度不均一がマルチステーション点群登録の精度に直接影響する問題に対し、本論文では多様体クラスタリングに基づくアンダーサンプリング非均一密度多ステーション3D点群登録手法を提案する。まず、測地距離を類似性尺度として用い、不均衡な点群データをクラスタリングで分割し、点群データの縮約を実現する。次に、K近傍探索法で各点の半径内の点数を算出し、点群を密度領域に分割する。密度の高い領域に対してクラスタリングを行い、各クラスタに曲面フィッティングを適用し、曲面上の全点の曲率を計算する。さらに曲率の大きい点を抽出し、密度の高い領域と低い領域の点数をほぼ均等に保ち、密度がより均衡した点群データを得る。最後に、多様体クラスタリングでアンダーサンプリングした点群に対し、K平均（K-means）でクラスタリングを行い、クラスタ中心および剛体変換行列を更新し、非均一密度多ステーション点群登録を実現する。ランダムサンプリング法や均一サンプリング法と比較して、本手法はチャンファー距離が小さく、点群の局所特徴情報を維持する。スタンフォード大学の公開データセットBunnyデータセットを用いた実験により、本手法は登録精度を維持しつつ登録効率を60%以上向上させたことが示された。

点群登録;多ステーション点群;多様体クラスタリング;点群縮約;k平均クラスタリング