tema 6

¿Qué técnica se utiliza para filtrar correspondencias incorrectas en un conjunto de datos 3D?. Detección de bordes. Rechazo de correspondencias. Transformación de Fourier. Segmentación de imágenes.

¿Cuál de las siguientes es una técnica para rechazar pares de puntos en la correspondencia de nubes de puntos?. Rechazar pares de puntos cuya distancia sea menor que un cierto umbral. Rechazar pares de puntos cuya distancia supere la mediana de las distancias. Rechazar pares de puntos cuya distancia sea exactamente igual a la media. Rechazar pares de puntos en los que la correspondencia sea biyectiva.

El algoritmo RANSAC es útil para: Procesar imágenes en tiempo real. Estimar los parámetros de un modelo de manera robusta. Segmentar imágenes en diferentes regiones. Reducir el ruido en imágenes.

En el contexto de RANSAC, ¿qué significa 'inliers'?. Datos que no se ajustan al modelo. Datos que se ajustan al modelo. Puntos de ruido en los datos. Parámetros del modelo.

¿Cuál es la principal diferencia entre RANSAC y el ajuste por mínimos cuadrados?. RANSAC es más rápido. RANSAC es más robusto frente a outliers. RANSAC es más preciso. RANSAC requiere más datos.

En el algoritmo ICP, ¿cuál es el criterio principal para emparejar puntos entre dos nubes de puntos?. Color. Curvatura. Orientación. Distancia mínima.

¿Qué se utiliza para mejorar los resultados de ICP mediante la asignación de diferentes pesos a los pares de puntos?. Asignar pesos constantes. Asignar pesos basados en el color. Asignar pesos basados en la distancia. Asignar pesos basados en la intensidad.

¿Cuál es uno de los criterios de terminación del algoritmo ICP?. Máximo número de iteraciones similares. Mínimo número de emparejamientos. Máxima diferencia de colores. Máximo número de errores.

¿Qué es un árbol KD y cómo se utiliza en ICP?. Una estructura de datos para almacenar imágenes. Un método para reducir el ruido en nubes de puntos. Una estructura de datos para acelerar la búsqueda de emparejamientos. Un algoritmo para segmentar imágenes.

¿Qué problema intenta resolver el registro incremental en el contexto del mapeo 3D?. Eliminar el ruido de las imágenes. Generar el mapa 3D de manera incremental. Aumentar la resolución de las imágenes. Reducir el tiempo de procesamiento.

¿Cuál es el principal objetivo de la técnica Iterative Closest Points (ICP)?. Encontrar correspondencias entre dos imágenes. Reducir el tamaño de las nubes de puntos. Alinear dos superficies 3D. Segmentar nubes de puntos en regiones.

¿Cuál es uno de los métodos mencionados para eliminar outliers en ICP?. Usar transformaciones no lineales. Eliminar pares de puntos cuya distancia sea mayor a un umbral. Aumentar el número de iteraciones. Utilizar árboles de búsqueda binarios.

En el algoritmo ICP, ¿cómo se calcula la transformación óptima entre dos nubes de puntos?. Usando una aproximación por mínimos cuadrados. Utilizando transformadas de Fourier. Aplicando umbrales de intensidad. Realizando segmentación de regiones.

¿Qué se busca minimizar en el proceso de ajuste de puntos en el algoritmo ICP?. La distancia entre puntos y planos. La diferencia de colores entre puntos. La distancia relativa entre los puntos de las nubes. La curvatura de las superficies.

¿Qué técnica se utiliza para calcular la transformación inicial en ICP cuando no se tiene una estimación previa?. Transformada de Fourier. RANSAC. Segmentación por regiones. Filtros de paso bajo.

¿Qué criterio puede indicar que el optimizador de ICP ha divergido?. Máximo número de iteraciones alcanzado. Error cuadrático medio aumentado. Distancia mínima entre puntos alcanzada. Curvatura máxima alcanzada.

¿Cuál es el propósito de aplicar un proceso de downsampling en el registro incremental?. Incrementar la resolución de las nubes de puntos. Eliminar redundancias y aligerar la representación. Aumentar el número de emparejamientos. Reducir el ruido en las nubes de puntos.

¿Qué tipo de error se considera en el análisis de ICP?. Error absoluto. Error cuadrático medio. Error de intensidad. Error de color.

¿Qué problema puede surgir si el umbral de distancia en RANSAC es demasiado grande?. Las nubes de puntos no se alinearán. El modelo será demasiado simple. Se seleccionarán múltiples modelos incorrectos. No se encontrarán suficientes inliers.

En el contexto de registro de datos 3D, ¿qué significa "transformación rígida"?. Cambio de escala de las nubes de puntos. Transformación que incluye solo rotación y traslación. Transformación que incluye deformaciones no lineales. Cambio de color de las nubes de puntos.

¿Cuál de las siguientes métricas de distancia NO se menciona en ICP?. Error punto a punto. Error punto a plano. Error de color. Error al punto más cercano compatible.

¿Qué técnica se menciona para acelerar la búsqueda de emparejamientos en ICP?. Transformada de Fourier. Segmentación por regiones. Árbol de búsqueda KD. Filtros de paso bajo.

¿Cuál es el propósito de calcular la matriz de covarianza cruzada en RANSAC e ICP?. Determinar la correspondencia de color entre puntos. Encontrar la transformación que minimice el error de distancia. Eliminar puntos fuera del umbral de distancia. Segmentar las nubes de puntos en regiones.

¿Qué aspecto es crucial para la calidad del resultado final en RANSAC?. La elección del umbral de distancia. La velocidad del procesador. El número de emparejamientos. La resolución de la imagen.

¿Cuál es el principal desafío al trabajar con grandes nubes de puntos en registro 3D?. Incrementar la velocidad del proceso. Manejar el almacenamiento de datos. Asegurar la precisión en la correspondencia. Reducir el tamaño de las nubes de puntos.