GMD: 3D フラグメントのペアマッチング用のガウス混合記述子

arXiv:2604.21519v1 Announce Type: new Abstract: レーザースキャナーで取得された断片の自動再構成において、破片表面のマッチングは最も重要なステップの一つです。本稿では、点分布にフィットさせるためにガウス混合モデル（GMM）を用いる新たな局所記述子を提案します。我々の手法は、局所表面パッチを凹凸領域に分け、GMM の k 値を推定し、次に領域ごとの GMD をマージして破片表面の最終的なガウス混合記述子（GMD）を形成します。GMD 間の類似性を測定し、隣接する断片を特定するためには、L2 距離を用います。断片の対齐にはランダムサンプリングコンセンサス（RANSAC）および反復最近傍法（ICP）を適用します。実際のスキャンデータおよび陶土（Terracotta）データセットに対する大規模な実験により、我々の手法の有効性が証明され、さらに既存手法との比較も提案された手法の優位性を裏付けています。

arXiv:2604.21519v1 Announce Type: new Abstract: In the automatic reassembly of fragments acquired using laser scanners to reconstruct objects, a crucial step is the matching of fractured surfaces. In this paper, we propose a novel local descriptor that uses the Gaussian Mixture Model (GMM) to fit the distribution of points, allowing for the description and matching of fractured surfaces of fragments. Our method involves dividing a local surface patch into concave and convex regions for estimating the k value of GMM. Then the final Gaussian Mixture Descriptor (GMD) of the fractured surface is formed by merging the regional GMDs. To measure the similarities between GMDs for determining adjacent fragments, we employ the L2 distance and align the fragments using Random Sample Consensus (RANSAC) and Iterative Closest Point (ICP). The extensive experiments on real-scanned public datasets and Terracotta datasets demonstrate the effectiveness of our approach; furthermore, the comparisons with several existing methods also validate the advantage of the proposed method.