Metodo di Clustering Non Supervisionato per il Fitting di Superquadriche

Un nuovo metodo per adattare superquadriche a nuvole di punti utilizza l'analisi di clustering non supervisionato per gestire rumore e outlier. A differenza degli approcci precedenti che si concentrano su superquadriche rigide o deformabili, questo quadro unificato tratta i dati della nuvola di punti come membri del cluster e i campioni di superficie parametrica come centroidi. Il processo di clustering aggiorna dinamicamente le posizioni dei centroidi per ottimizzare i parametri delle superquadriche, stabilendo un collegamento basato su principi tra clustering e fitting di forme. Il metodo è pubblicato su arXiv con ID 2605.16779.