当前位置：
OFweek 人工智能网
> 正文
点云上采样新方法：港城大提出几何参数域模型实现高效点云加密
2020-03-23 15:37
将门创投
关注
法向量和坐标优化
为了进一步对先前得到的稠密点云和坐标进行优化，需要进行进一步优化。首先需要利用多层感知机f3 预测出每个位于切平面上的点在法向量方向相对于曲面的偏移量，而后利用这一偏移量修正生成稠密点的坐标：
坐标修正如下：
同时针对每个生成点位置处的法向量，也利用一个多层感知机f4来预测出修正的偏移量：
法向量修正如下：
通过进一步的修正是的最终得到的稠密点云不仅分布均匀，贴近真实曲面，同时也为每一点生成了对应的法向量，进一步提高了三维信息的丰富程度。
实验结果
研究人员从Sketchfab中选取了90个高分辨率的3D网格模型对PUGeo-Net进行训练，同时利用Chamfer、Hausdorff、点到曲面等距离和Jensen-Shannon散度等度量指标，将PUGeo-Net与EAR、PU-Net、MPU等模型进行了对比，实验表明，PUGeo-Net在4～16倍的上采样率上都比先前模型得到的结果要好，同时占用的模型空间也较小：
下图显示了重建的CAD模型和扫描数据的上采样结果：
可以看到PUGeo-Net可以更好地处理几何细节，在保持目标拓扑结构的基础上更多的保留了几何细节。生成结果的结果，稠密点分布更加均匀：
再来看一些更为复杂的重建结果：
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
即日-1.24立即参与>>> 【限时免费】安森美：Treo 平台带来出色的精密模拟
-
2月28日火热报名中>> 【免费试用】东集技术年终福利——免费试用活动
-
即日-3.21立即报名 >> 【深圳 IEAE】2025 消费新场景创新与实践论坛
-
4日10日立即报名>> OFweek 2025（第十四届）中国机器人产业大会
-
7.30-8.1火热报名中>> 全数会2025（第六届）机器人及智能工厂展
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论