RETRACTED: AUTOMATED 3D FEATURE MATCHING (Retracted article. See vol. 31, pg. 8, 2016)

Three-dimensional (3D) feature-matching techniques, which are essential for progress towards an automated feature-based procedure, have attracted considerable research attention in both the photogrammetry and computer vision communities. This study introduces a novel matching approach, called RSTG, that comprises four major phases: rotation alignment; scale estimation; translation alignment; and geometry checks. These steps efficiently determine a feature-based correspondence and frame transformation between datasets. RSTG analyses the similarity and relative geometry of features by employing feature observations and their uncertainty; this allows different types of features to be matched exclusively or simultaneously. This study validates the proposed method with both simulated and real datasets, demonstrating its effectiveness with satisfactory matching rates in a diverse range of feature-based point cloud registration tasks. ResumeLes techniques de mise en correspondance de primitives en 3D, qui sont essentielles pour le developpement d'une procedure automatisee basee sur les primitives, ont suscite des efforts de recherche dans les deux communautes de la photogrammetrie et de la vision par ordinateur. Cette etude presente une nouvelle approche d'appariement, appelee RSTG, qui comprend quatre phases principales: l'ajustement par rotation; l'estimation de l'echelle; l'ajustement par translation; et les controles geometriques. Ces etapes determinent efficacement une mise en correspondance et une transformation geometrique basees sur les primitives. La methode RSTG analyse la similitude et la geometrie relative des primitives en utilisant les observations des objets et leurs incertitudes; ce qui permet la mise en correspondance de differents types de primitives, separement ou simultanement. Cette etude valide la methode proposee a partir de donnees reelles et simulees, demontrant son efficacite avec des taux d'appariement satisfaisants dans un large eventail de travaux de mise en correspondance de nuages de points bases sur les primitives. ZusammenfassungFur die dreidimensionale, merkmalsgestutzte Zuordnung finden sowohl im Bereich der Photogrammetrie, als auch im Computervision Bereich umfangreiche Forschungsaktivitaten statt. In dieser Studie wird eine neuartige Bildzuordnungsmethode genannt RSTG vorgestellt. Sie besteht aus vier Hauptphasen: einer Rotationsschatzung, einer Ma ss stabsschatzung, einer Schatzung der Translation und einer letzte Phase mit geometrischen Kontrollen. Durch diese Schritte konnen auf effiziente Art eine merkmalsgestutzte Zuordnung und eine Transformation zwischen Datensatzen bestimmt werden. RSTG analysiert die Ahnlichkeit und die relative Geometrie von Merkmalen durch Anwendung von Merkmalsbeobachtungen und ihren Unsicherheiten. Damit konnen verschiedenartige Merkmale exklusiv oder simultan zugeordnet werden. Fur verschiedenartige Aufgabenstellungen der Registrierung von Punktwolken wird mit simulierten und realen Datensatzen die Effektivitat der vorgeschlagenen Methode validiert und dabei zufriedenstellende Zuordnungsraten erzielt. ResumenLas tecnicas de correspondencia de caracteristicas 3D, esenciales para el desarrollo de procedimientos automaticos, han atraido un considerable interes en la investigacion en fotogrametria y vision por ordenador. Este estudio presenta una novedosa aproximacion para la correspondencia, llamada RSTG, que consta de cuatro fases principales: la alineacion de rotacion; estimacion de la escala; traslacion de la alineacion; y comprobaciones de geometria. Estos pasos determinan de manera eficiente una correspondencia basada en caracteristicas y un marco de transformacion entre conjuntos de datos. RSTG analiza la geometria relativa y similitud de caracteristicas mediante el empleo de observaciones de caracteristicas y su incertidumbre; esto permite que diferentes tipos de caracteristicas puedan tener correspondientes exclusivos o simultaneos. Este estudio valida el metodo propuesto con conjuntos de datos simulados y reales, lo que demuestra su eficacia con tasas satisfactorias de correspondencia en una amplia gama de nubes de puntos. ?? ??????(3D feature matching)????????(feature-based)??????????????,??????????????????????????RSTG????????????????,??????????????????????RSTG???????????????,?????(rotation alignment)?????(scale estimation)?????(translation alignment)?????(geometry checks)????????????????????,RSTG???????????????????????,??????????????????,????????????????????????????RSTG????????,???????????????????????????????????