三维扫描仪操作的过程中需要注意些什么呢？怎么操作能取得尽量高质量的点云？尽量平滑的表面？

三维扫描仪操作的过程中要注意（一般常见的操作）：

1. 避免震动，扫描时环境的光线不要太强，暗室操作的会更好；

2. 光滑反光的物体最好喷显像剂；

3. 对于容易变形的物体，尽量不要移动物体，可以考虑移动设备进行扫描；

4. 重叠的部分尽量减少扫描的次数；

5. 补拍缺陷的地方，有的地方就不用去全选；

6. 根据情况灵活借助适当的辅助工具，比如薄的物体，可用小物体一起扫描，最后切去小物体部分；

7. 被测物体和镜头的距离要调整合适。

技巧有很多，具体的可以和三维扫描仪厂家技术支持人员联系。--- 先临三维 shining3d

平滑技术：

（1）把在训练语料中出现过的n元组的概率减少。

（2）把减少的概率质量分配给训练语料中没有出现的n元组。

根据平滑技术是否是组合使用的分为两类：简单平滑和组合平滑。

一. 简单平滑：

二. 组合平滑：

（1）加法平滑：

说白了就是让所有n元组的出现次数+k。在这个基础上来进行训练计算。

这个简单的平滑会引出两个问题：

1：是否存在“富人不公平”。

2：对于没有出现过的n元组给予均值的概率值是不是不合理。

（2）留存平滑：

通过把训练语料分成两个部分：训练语料 和 留存语料。通过留存语料内的数据分布来改善训练语料估计出来的值。

定义：

那么

而 是 在训练语料中出现了r次的n元组在留存语料中出现的概率。

让前面这个概率均分给出现r次的n元组们。

这个就好像是训练好了之后做了一次预测一样。把预测的当做了答案。

（3）删除平滑：

留存平滑要求数据量很多，但是数据量往往是不够的。所以可以使用删除平滑。

其实就是两次留存，交叉验证。

将训练数据分成part0和part1

两次分别将不同的part设置为训练语料和留存语料。

之后

（4）Good Turing 平滑

定义：

普通Turing平滑有一个原则：

将平滑前出现r+1次的n元组的频率质量都给平滑后出现r次的n元组。

从频次的角度出发就是r+1次的n元组的总出现次数都给r次的n元组。

那么这样

并且每个r次的n元组可以获得以下的频率质量

但是这样会出现问题，也就是在之前出现m次的n元组如果没有的话。那么平滑后m-1次的n元组也会为0。

而图灵的学生Good就解决了这个问题：

他提出的是对 使用一个估计。（好像多项式插值一样，对 函数进行模拟，近似，把没有的值给填充起来。这样 就不会为0了，而且结果也不会很偏离现实。）

通过研究 函数可以发现比较好的函数是

并且研究 和 r的关系（r>1）

也就是对于真实和我们平滑后的并且是被拿出概率质量的那部分。明显 ，而 也就是所谓的折扣率。

可以发现的是r越大， 越可靠，折扣率越小。

综合上述两种平滑，可以给出以下策略：

---低频段（r比较小的时候）一般不会出现中断（ ）所以使用Turing平滑。高频段使用Good-Turing。

具体地：

使用 Turing估计值方差：

当这个值>1.65*1.65的时候就差异比较大了。

最后要概率归一（保持那些平滑前没有出现的n元组的概率质量）：

（二）组合平滑：

上面的后面的简单平滑一般缓和了“富人不公平”的问题，但是针对没有出现过的n元组的概率还是给与均一的概率。那么如何解决这个问题?

主要的思想是用小规模1...n-1-gram的概率来启发分配。

（1）插值平滑：把不同阶-gram线性组合。

2.Jelinek-Mercer平滑：

固定 明显是不合理的。（高阶模型如果可靠的时候 应该变大）。

从而有以下：

注意

所以是递归式的。

终止：

问题：如何求 ？ 通过学习，但是参数太多了怎么办？聚集一下。把出现频率差不多的弄成一个类，这个类的 都是一个值。

？？？

根据修正的频次进行区间分类：

？？？

（2）回退模型：

高阶可以的时候用高阶，不然就用低阶。

前部分概率为0.但是后部分概率是大的。

而 很可能文中出现没有几次。并且 也很少，这样就有问题了。

？？？

会造成问题：

？？？

所以要按照 的前驱词的种类数量来分配概率质量：

引入 接续概率:

从而获得以下：

最后还有一个修正的。不是很懂。

---