Da bestehende manuell entworfene Deskriptoren die lokalen geometrischen Merkmale von Oberflächen nicht ausreichend beschreiben, schlägt dieser Artikel einen hoch unterscheidbaren und robusten Multi-View Geometric Distribution Signature Descriptor (MGDS) vor. Zunächst wird basierend auf Schlüsselpunkten und deren Nachbarpunkten ein lokaler Referenzrahmen (Local Reference Frame, LRF) aufgebaut, die lokale Oberfläche voxelisiert, die Verteilung der Schwerpunkte der 3D-Voxel, die zweidimensionalen Sektor-Konturmerkmale, die 2D-Gitterpunktdichteverteilung sowie die Tiefenschwankungen der lokalen Oberfläche berechnet, um den geometrischen Merkmalsdeskriptor zu erzeugen. Anschließend wird die lokale Oberfläche basierend auf dem LRF mehrfach rotiert, um eine neue Formdarstellung zu erzeugen, wobei die gedrehte Oberfläche mit Schwerpunkt-, Kontur-, Dichte- und z-Wert-Schwankungsinformationen codiert wird. Durch das Erfassen dieser geometrischen Deskriptoren aus mehreren Blickwinkeln werden diese zu einem Merkmalsvektor verbunden, um den endgültigen Multi-View Geometric Distribution Signature Descriptor MGDS zu erhalten. Experimente wurden an vier Datensätzen (RandomView, SpaceTime, Kinect und B3R) unter verschiedenen Gaußschen Rausch- und Netzauflösungen durchgeführt und mit 10 bestehenden Deskriptoren verglichen. Im Vergleich zu anderen Deskriptoren weist MGDS eine bessere Leistung als bestehende lokale Deskriptoren auf. Die experimentellen Ergebnisse zeigen, dass das vorgeschlagene MGDS eine gute Deskriptivität und Robustheit besitzt und für die präzise Registrierung von 3D-Punktwolken verwendet werden kann.

Punktwolke; lokaler Deskriptor; Multiview-Merkmale; Merkmalsfusion; Merkmalsmatching