2L-LSH: Loctality-Sensitive Hash 関数に基づく高速点群インデックス化手法

arXiv:2604.21442v1 発表タイプ：新規 要旨: 3D スキャン技術の発展により、多様な構造を持ち、大規模な点群モデルの取得が可能となり、点群処理において重大な課題が生じている。近傍点の高速検索は、モデルの再構成、分類、検索、特徴可視化など頻繁に使用される問題の一つである。ハッシュ関数は高次元データ検索において高速かつ高精度な性能を示しており、それが提案された 2L-LSH の核心である。具体的には、2L-LSH アルゴリズムは一般的なステップが点群モデルの境界ボックスを分割し、2 つ目のステップが一般化されたテーブルベースデータ構造を構築する 2 段階のハッシュ関数戦略を採用している。提案された 2L-LSH は、大規模な 3D 点群モデルにおける近傍点検索の高速化において、高効率かつ高精度な解決策を提供し、この分野のさまざまなアプリケーションに対して有望な技術となっている。この提案されたアルゴリズムは、Kd ツリーおよびオクトツリーを含む有名な手法と比較され、得られた結果は提案された手法が Kd ツリーおよびオクトツリーよりも速度面で優れていることを示した。すなわち、kNN 検索時間はそれぞれ Kd ツリーおよびオクトツリーよりも 51.111%、94.159% 低くなる。また、RN 検索時間はそれぞれ Kd ツリーおよびオクトツリーよりも 54.519%、41.840% 低くなる。

arXiv:2604.21442v1 Announce Type: new Abstract: The development of 3D scanning technology has enabled the acquisition of massive point cloud models with diverse structures and large scales, thereby presenting significant challenges in point cloud processing. Fast neighboring points search is one of the most common problems, which is frequently used in model reconstruction, classification, retrieval and feature visualization. Hash function is well known for its high-speed and accurate performance in searching high-dimensional data, which is also the core of the proposed 2L-LSH. Specifically, the 2L-LSH algorithm adopts a two-step hash function strategy, in which the popular step divides the bounding box of the point cloud model and the second step constructs a generalized table-based data structure. The proposed 2L-LSH offers a highly efficient and accurate solution for fast neighboring points search in large-scale 3D point cloud models, making it a promising technique for various applications in the field. The proposed algorithm is compared with the well-known methods including Kd-tree and Octree; the obtained results demonstrated that the proposed method outperforms Kd-tree and Octree in terms of speed, i.e. the time consumption of kNN search can be 51.111% and 94.159% lower than Kd-tree and Octree, respectively. And the RN search time can be 54.519% and 41.840% lower than Kd-tree and Octree, respectively.