expected tolerances are not achieve

expected tolerances are not achieved, more data acquisition as well as scanning schemes are required (Figure 3.13a). Data optimization may be applied to prepare good point clouds or triangulation meshes for registration. There are two data registration approaches: manual and automatic alignment. In manual alignment, landmark points are manually assigned for fixed and floating point clouds, and they are used as references for alignment. Floating point clouds are translated and rotated to align with the fixed cloud based on these references. Figure 3.19 illustrates a manual registration process using three landmark points. The manual registration results in multiple point clouds that need to be fine-tuned to obtain an optimal cloud. This is done in the automatic alignment operation, in which the tolerance between the fixed and floating point clouds is used as the constraint for the alignment process.
3.3.3.1.2 Data Optimization
(i) Noise and Point Redundancy Reduction A certain amount of error is always introduced into scan data, and points may be placed in undesirable regions or overlap because of points that have been scanned more than once when scanning complex shapes. Moreover, when point cloud registration is applied, the aligned scan data normally contains overlapping points. Noise reduction tools are used for both manually and automatically removing the noise in scanned data. With automatic approaches, the noise removal operation determines where the points should lie, then moves them to these locations based on statistical information about the point data. If the point set represents a free-form or organic shape, the operation reduces the noise with respect to

Kết quả (Việt) 1:

dung sai dự kiến không đạt được, thêm thu thập dữ liệu cũng như chương trình quét yêu cầu (hình 3.13a). Tối ưu hóa dữ liệu có thể được áp dụng để chuẩn bị tốt điểm đám mây hoặc triangulation mắt lưới để đăng ký. Có hai cách tiếp cận dữ liệu đăng ký: căn chỉnh bằng tay và tự động. Chỉnh hướng dẫn sử dụng, mốc điểm theo cách thủ công được chỉ định cho điểm cố định và nổi đám mây, và chúng được sử dụng như là tài liệu tham khảo cho các liên kết. Floating point mây được dịch và xoay để align với các đám mây cố định dựa trên những tài liệu tham khảo. 3.19 hình minh họa một quá trình hướng dẫn sử dụng đăng ký bằng cách sử dụng ba điểm mốc. Đăng ký hướng dẫn sử dụng kết quả trong những đám mây nhiều điểm cần phải được điều chỉnh để có được một đám mây tối ưu. Điều này được thực hiện trong các hoạt động tự động căn chỉnh, trong đó khoan dung giữa những đám mây điểm cố định và nổi được sử dụng như các hạn chế đối với quá trình sắp xếp. 3.3.3.1.2 tối ưu hóa dữ liệu (i) tiếng ồn và điểm dự phòng giảm một số tiền nhất định của lỗi luôn luôn được giới thiệu vào quét dữ liệu, và điểm có thể được đặt trong khu vực không mong muốn hoặc chồng lên nhau vì điểm đó đã được quét nhiều hơn một lần khi quét hình dạng phức tạp. Hơn nữa, khi điểm đám mây đăng ký được áp dụng, dữ liệu liên kết quét thông thường chứa các chồng chéo điểm. Các công cụ giảm tiếng ồn được sử dụng cho cả bằng tay và tự động loại bỏ tiếng ồn trong quét dữ liệu. Với phương pháp tiếp cận tự động, hoạt động loại bỏ tiếng ồn sẽ xác định nơi các điểm nên nói dối, sau đó di chuyển chúng đến các địa điểm dựa trên các thông tin thống kê về dữ liệu điểm. Nếu thiết lập điểm đại diện cho một hình thức miễn phí hoặc hữu cơ, các hoạt động làm giảm tiếng ồn quan đến

Kết quả (Việt) 2:

dung sai sẽ không đạt được, thu thập dữ liệu hơn cũng như các chương trình quét được yêu cầu (hình 3.13a). Tối ưu hóa dữ liệu có thể được áp dụng để chuẩn bị đám mây điểm tốt hay tam giác mắt lưới để đăng ký. Có hai phương pháp đăng ký dữ liệu: chỉnh tay và tự động. Trong liên kết sử dụng, điểm mốc được tự gán cho các đám mây điểm cố định và thả nổi, và chúng được sử dụng như tài liệu tham khảo cho sự liên kết. Nổi đám mây điểm được dịch và xoay để phù hợp với các đám mây cố định dựa trên những tài liệu tham khảo. Hình 3.19 minh họa một quá trình đăng ký nhãn hiệu sử dụng ba điểm mốc. Kết quả đăng ký nhãn hiệu trong nhiều đám mây điểm đó cần phải được điều chỉnh để có được một đám mây tối ưu. Điều này được thực hiện trong các hoạt động liên kết tự động, trong đó bao dung giữa cố định và các đám mây điểm nổi được sử dụng như các hạn chế đối với các quá trình liên kết.
3.3.3.1.2 liệu Tối ưu hóa
(i) Tiếng ồn và điểm Redundancy Giảm Một số lượng nhất định các lỗi luôn được giới thiệu vào quét dữ liệu, và các điểm có thể được đặt trong vùng không mong muốn hoặc chồng chéo vì điểm đó đã được quét nhiều hơn một lần khi quét hình dạng phức tạp. Hơn nữa, khi thời điểm đăng ký mây được áp dụng, quét dữ liệu phù hợp thường chứa nhiều điểm chồng chéo. Công cụ giảm tiếng ồn được sử dụng cho cả hai tay và tự động loại bỏ tiếng ồn trong dữ liệu quét. Với các phương pháp tự động, các hoạt động loại bỏ tiếng ồn xác định nơi các điểm nên nói dối, sau đó di chuyển chúng đến các địa điểm dựa trên các thông tin thống kê về dữ liệu điểm. Nếu điểm đặt đại diện cho một dạng tự do hoặc hình dạng hữu cơ, các hoạt động làm giảm tiếng ồn đối với với