Nokta bulutlarının işlenmesinde, polinom
uydurma aşamasının bir ön adımı olan yerel bölge büyütme
oldukça önemli bir yere sahiptir. En çok kullanılan yerel
bölge büyütme yöntemleri normalize öz değer kriteri
kullanılarak karşılaştırılmıştır. Dairesel bölge büyütme, en
yakın komşuluk, öklid asgari tarama ağacı ve hibrit bölge
büyütme yöntemlerinin kıyaslandığı bu çalışmanın
sonuçları polinom uydurma hatası ve algoritma koşum
süresi açısından incelenmiştir. Polinom uydurma hatası
açısından hibrit bölge büyütme yöntemi açık farkla en iyi
performansı göstermiş olup, algoritma koşum süresi
açısından ise dairesel bölge büyütme yöntemi hibrit
yönteme göre sadece ~%17’lik avantaja sahiptir. Ancak,
nokta bulutlarındaki en son aşama olan eğri kestirimi
kısmında, polinom uydurma hatası koşum süresine göre
daha fazla önem arz ettiğinden, hibrit bölge büyütme
yöntemi tercih edilebilir bir yöntemdir.
—Local region growing strategy that is a
preliminary step of polynomial fitting in point cloud
processing plays an important role. Most common utilized
region growing algorithms has been compared by
incorporating the normalized eigenvalue analysis method.
The results of this study which includes circular region
growing method, nearest neighbor region growing method,
Euclidean minimum spanning tree based region growing
method and hybrid region growing method are compared
over mean square error of polynomial fitting and algorithm
runtime. Hybrid region growing method gives best results
according to the mean square error criteria while circular
region growing method takes first place according to the
runtime criteria by only about 17% difference. Due to the
fact that mean square error is a more important parameter
than runtime for polynomial fitting process, hybrid region
growing algorithm is a more preferable method.