Preguntas Segundo Parcial Percepcion

¿Cuál es una condición esencial para los keypoints 3D?. No deben repetirse. Deben ser distinguibles. Deben ser detectados en una sola escala. Ninguna de las anteriores.

¿Qué método utiliza Harris 3D para calcular keypoints?. Análisis de componentes principales. Curvatura principal del punto. Matriz de covarianza. Ninguna de las anteriores.

¿Qué reemplaza la intensidad del píxel en Sift 3D?. El valor de la normal. La curvatura principal del punto. El valor de la densidad del voxel. Ninguna de las anteriores.

¿Cuál es un problema mencionado para PointNet en el reconocimiento de objetos 3D?. Alto consumo de recursos. Densidad de puntos no es una medida fiable. Resolución insuficiente. Todas las anteriores.

¿Qué técnica utiliza RotationNet para clasificar objetos 3D?. Voxelización del objeto. Renders desde diferentes puntos de vista. Slices de un modelo pasados por ramas convolucionales. Ninguna de las anteriores.

¿Qué se necesita para calcular la normal en una nube de puntos?. Un radio de vecindad. Un análisis de Fourier. Un filtro de difuminación. Ninguna de las anteriores.

¿Qué tipo de patrones pueden utilizarse en luz estructurada?. Lineas. Puntos. Lineas y puntos. Lineas, puntos, matrices o patrones aleatorios.

¿Cuál es una limitación del método de modulación de pulso en tiempo de vuelo?. Baja sensibilidad a la luminosidad ambiente. Necesita un dispositivo de medición de tiempo de alta resolución. Solo funciona con superficies opacas.

¿Qué define un descriptor en el contexto de percepción 3D?. Un subconjunto de puntos de la nube original. Una manera de codificar patrones geométricos. Un método de filtrado de correspondencias.

¿Qué método se utiliza comúnmente para calcular emparejamientos entre descriptores?. Análisis de Fourier. KD Tree. Voxelgrid.

¿Cuál es una característica del método de RANSAC?. Funciona determinísticamente. Permite estimar parámetros robustamente. No utiliza modelos.

¿Qué se utiliza para el refinamiento de la transformación calculada por RANSAC?. Filtrado de descriptores. ICP (Iterative Closest Points). Segmentación de la nube.

¿Qué valor se usa en el método D2 Ratio para el descriptor?. El área del triángulo formado por los puntos. El ratio entre partes de la línea dentro y fuera de la superficie. La intensidad del punto.

¿Qué método de detección de características usa una técnica genérica de procesamiento de bajo nivel?. Sift 3D. Harris 3D. SUSAN.

¿Qué es un voxel en el contexto de PointNet?. Una medida de curvatura. Un valor de intensidad. Un volumen que representa la densidad de puntos.

¿Qué tipo de análisis realiza el método de detectores adaptativos para keypoints?. Análisis temporal. Análisis de Fourier. Análisis espacial.

¿Cuál es un problema de los métodos de luz estructurada?. Alta compatibilidad con superficies reflectantes. Necesidad de que el objeto permanezca estático si se van a usar varios patrones. Incompatibilidad con cámaras de baja resolución.

¿Qué algoritmo se menciona como basado en esquinas y aristas?. PointNet. Harris 3D. LonchaNet.

¿Cuál es una técnica mencionada para la extracción de keypoints?. Voxelgrid. RANSAC. SIFT.

¿Qué criterio se usa en la comprobación biyectiva de emparejamientos?. Distancia de Manhattan. Vecino más cercano en ambos sentidos. Diferencia de intensidad.

¿Qué característica NO debe cumplir un descriptor óptimo?. Ser robusto frente a traslaciones. Ser sensible al ruido. Ser invariante a la resolución.

¿Cuál es la diferencia clave entre PFH y FPFH?. PFH considera solo conexiones directas, mientras que FPFH considera todas las conexiones. FPFH considera solo conexiones directas, mientras que PFH considera todas las conexiones. PFH y FPFH consideran las mismas conexiones pero utilizan diferentes frames de referencia.

¿Qué descriptor utiliza una malla 3D esférica centrada en el punto para su cálculo?. SHOT. Unique Shape Context. 3D Shape Context.

¿Cuál es una de las mejoras introducidas por Unique Shape Context respecto a 3D Shape Context?. Incrementa el tamaño de los histogramas. Reduce la memoria necesaria y ambigüedades en el emparejamiento. Utiliza una malla 3D cúbica en lugar de esférica.

¿Qué técnica utiliza SHOT para formar su descriptor final?. Acumulación de la cuenta del ángulo entre normales. Uso de una malla cúbica. Exclusión de histogramas angulares.

¿Qué caracteriza a los descriptores globales en comparación con los locales?. Se calculan para cada punto individualmente. Codifican la geometría de un objeto completo. No requieren segmentación previa.

¿Qué componente adicional incluye VFH para hacerlo invariante a la pose del objeto?. Una normal extendida. Un vector de dirección del punto de vista. Un histograma 3D adicional.

¿Cuál es una desventaja del descriptor VFH normal que CVFH intenta resolver?. Falta de robustez a errores de medida y oclusiones. No ser invariante a la escala. Uso excesivo de memoria.

¿Qué función de forma en ESF calcula la raíz cuadrada del área del triángulo formado por tres puntos?. D2. D2 Ratio. D3.

¿Cuál es la función de forma en ESF que añade un histograma adicional para el ratio entre las partes de la línea de superficie y las partes fuera?. D2. D2 Ratio. A3.

¿Cuál es el propósito de normalizar los descriptores como SHOT y VFH?. Reducir el tamaño del descriptor. Mejorar la robustez y hacerlos invariantes a la escala. Simplificar el cálculo de los histogramas.

¿Qué se necesita para calcular un descriptor FPFH además de las conexiones directas?. Un histograma tridimensional. Las normales en cada punto. Un análisis de distancia radial. Nada, trabaja sobre la nube de puntos original.

¿Qué característica de ESF permite que sea robusto a ruido y superficies incompletas?. Uso de un histograma tridimensional. No requiere información sobre las normales ni preprocesamiento. Utiliza una malla cúbica para la aproximación.

¿Cuál de los siguientes descriptores se basa en la combinación de tres funciones de forma diferentes?. SHOT. ESF. VFH.

¿Qué medida de distancia se utiliza habitualmente para emparejar descriptores?. Distancia de Manhattan. Distancia euclídea. Distancia de Hamming.

¿Qué algoritmo mejora la robustez del descriptor SHOT?. Normalización del descriptor. Uso de una malla cúbica. Exclusión de histogramas de distancia.

¿Cuál es el enfoque de CVFH para mejorar la robustez frente a oclusiones y errores de medida?. Dividir el objeto en regiones estables y suaves. Utilizar histogramas tridimensionales adicionales. Aumentar el tamaño del clúster.

¿Qué representa el histograma unidimensional construido en cada sector esférico del descriptor SHOT?. La densidad local del punto. El ángulo entre la normal del keypoint y la normal de cada punto de la estructura esférica. La distancia radial entre puntos.

¿Qué algoritmo de correspondencia se utiliza habitualmente para emparejar dos nubes de puntos?. Distancia de Hamming. Euclídea. Distancia de Manhattan.

¿Qué descriptor utiliza voxelgrid como aproximación de la superficie original?. SHOT. ESF. PFH.

¿Qué método se utiliza para calcular las normales en una nube de puntos?. DFT (Transformada Discreta de Fourier). PCA (Análisis de Componentes Principales). Algoritmo de Dijkstra.

¿Cuál es una técnica para la selección final de puntos en Harris 3D?. Seleccionar puntos al azar. Seleccionar puntos por color. Seleccionar puntos con la mayor respuesta.

¿Qué se utiliza en Sift 3D en lugar de la intensidad del pixel en 2D?. Curvatura principal del punto en 3D. Gradiente de la imagen. Ángulo de incidencia.

¿Cuál es una ventaja de los detectores adaptativos sobre los de escala fija?. Más rápidos de calcular. Detectan estructuras en múltiples escalas. No necesitan calcular las normales.

¿Qué hace el método Harris 3D para evitar keypoints demasiado cercanos?. Aumenta el umbral de detección. Suprime los keypoints más débiles. Reduce la vecindad de análisis.

¿Qué técnica se utiliza para ordenar los keypoints en Harris 3D?. Por intensidad de color. En orden decreciente de valor de activación. Por tamaño del área circundante.

¿Cuál de los siguientes filtros se puede aplicar para buscar coherencia entre los puntos emparejados en el registro de datos 3D?. Rechazar pares de puntos cuya distancia sea menor a la media. Rechazar pares de puntos cuyas normales difieran en un cierto ángulo. Rechazar pares de puntos cuya distancia sea igual a cero.

¿Cuál es uno de los criterios de parada del algoritmo Iterative Closest Points (ICP)?. Umbral de transformación relativa. Número mínimo de iteraciones. Error cuadrático medio absoluto igual a cero.

En el contexto de ICP, ¿qué se utiliza para minimizar el error de alineamiento en lugar de RANSAC?. KNN (K-Nearest Neighbors). KD Trees. Algoritmos genéticos.

¿Qué tipo de error se calcula basándose en normales, color y curvatura en ICP?. Error punto a punto. Error al punto más cercano compatible. Error punto a plano.

¿Cuál de los siguientes no es un criterio de terminación para ICP?. Número máximo de iteraciones. Máximo número de iteraciones similares. Número mínimo de emparejamientos correctos.

¿Qué problema principal aborda el uso de KD Trees en el contexto de ICP?. Aumentar la precisión de los emparejamientos. Reducir el tiempo de cómputo en la búsqueda de emparejamientos. Mejorar la robustez frente a outliers.

¿Cuál de las siguientes afirmaciones sobre el algoritmo RANSAC es incorrecta?. RANSAC se utiliza para encontrar la mejor transformación entre dos conjuntos de puntos. RANSAC es robusto frente a outliers. RANSAC siempre encuentra la solución óptima sin errores.

¿Cuál es una de las principales desventajas del método ICP?. Insensibilidad a outliers. Requiere una aproximación inicial de calidad. No puede ser utilizado para nubes de puntos grandes.

¿Cuál es la finalidad del cálculo de normales en el contexto de la extracción de keypoints en nubes de puntos 3D?. Determinar la textura de la superficie. Facilitar la alineación de las nubes de puntos. Proveer información para describir la curvatura local.

¿Qué se entiende por "Error cuadrático medio absoluto" en el contexto de ICP?. La diferencia entre dos transformaciones consecutivas es nula. La media del error cuadrático es inferior a cierto valor. El error medio absoluto entre los puntos emparejados.

¿Qué debe hacer el algoritmo ICP si el error baja durante una iteración?. Incrementar el número de puntos. Almacenar los parámetros del modelo. Reducir la vecindad de los puntos.

¿Cuál de las siguientes opciones es correcta respecto al rechazo de correspondencias utilizando RANSAC?. Se descartan pares de puntos cuya distancia sea igual a la mediana. Se descartan pares de puntos que no sean coherentes con la transformación. Se descartan pares de puntos cuyas normales sean paralelas.

¿Qué método no suele trabajar directamente con nubes de puntos?. Métodos basados en bordes. Métodos basados en regiones. Métodos de segmentación por color.

¿En qué se basan los métodos de segmentación por bordes para detectar límites?. En la forma de los objetos. En el cambio brusco de intensidad. En el color de los puntos.

¿Qué se calcula aplicando matrices de convolución en los métodos basados en bordes?. La intensidad de cada punto. Los gradientes de cada punto. La densidad de la nube de puntos.

Para considerar un punto como borde, ¿qué condición NO es necesaria?. La magnitud del punto central debe exceder un determinado umbral. La magnitud del punto central debe ser menor que la de sus 2 vecinos. La magnitud del punto central debe ser mayor que la de sus 2 vecinos en la dirección normal al borde.

¿Cuál es una ventaja de los métodos basados en bordes?. Alta precisión. Segmentación rápida. Baja sensibilidad al ruido.

¿Qué problema presentan los métodos basados en bordes debido a la densidad de las nubes de puntos?. Insensibilidad a cambios de densidad. Alta sensibilidad a cambios de densidad. Baja sensibilidad a cambios de intensidad.

¿Qué tipo de información utilizan los métodos basados en regiones?. Información de color. Información de vecindad. Información de densidad.

¿Qué criterio se usa para seleccionar puntos semilla en métodos basados en semilla?. La curvatura de cada punto. El color de cada punto. La intensidad de cada punto.

¿Qué etapa sigue al crecimiento de regiones en el primer algoritmo basado en semilla?. Identificación de puntos semilla basados en la planaridad. Identificación de puntos semilla basados en la curvatura. Crecimiento de las regiones basado en la curvatura.

¿Qué se utiliza para unir los puntos del borde en métodos basados en bordes?. Su intensidad y color. Su magnitud y dirección. Su densidad y textura.