點云上采樣新方法：港城大提出幾何參數(shù)域模型實現(xiàn)高效點云加密
法向量和坐標(biāo)優(yōu)化
為了進(jìn)一步對先前得到的稠密點云和坐標(biāo)進(jìn)行優(yōu)化，需要進(jìn)行進(jìn)一步優(yōu)化。首先需要利用多層感知機(jī)f3 預(yù)測出每個位于切平面上的點在法向量方向相對于曲面的偏移量，而后利用這一偏移量修正生成稠密點的坐標(biāo)：
坐標(biāo)修正如下：
同時針對每個生成點位置處的法向量，也利用一個多層感知機(jī)f4來預(yù)測出修正的偏移量：
法向量修正如下：
通過進(jìn)一步的修正是的最終得到的稠密點云不僅分布均勻，貼近真實曲面，同時也為每一點生成了對應(yīng)的法向量，進(jìn)一步提高了三維信息的豐富程度。
實驗結(jié)果
研究人員從Sketchfab中選取了90個高分辨率的3D網(wǎng)格模型對PUGeo-Net進(jìn)行訓(xùn)練，同時利用Chamfer、Hausdorff、點到曲面等距離和Jensen-Shannon散度等度量指標(biāo)，將PUGeo-Net與EAR、PU-Net、MPU等模型進(jìn)行了對比，實驗表明，PUGeo-Net在4～16倍的上采樣率上都比先前模型得到的結(jié)果要好，同時占用的模型空間也較�。�
下圖顯示了重建的CAD模型和掃描數(shù)據(jù)的上采樣結(jié)果：
可以看到PUGeo-Net可以更好地處理幾何細(xì)節(jié)，在保持目標(biāo)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上更多的保留了幾何細(xì)節(jié)。生成結(jié)果的結(jié)果，稠密點分布更加均勻：
再來看一些更為復(fù)雜的重建結(jié)果：
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布：挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇，探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊，“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今，五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD，AI含量差幾何？
- 6 光計算迎來商業(yè)化突破，但落地仍需時間
- 東陽光：2024年扭虧、一季度凈利大增，液冷疊加具身智能打開成長空間
- 8 地平線自動駕駛方案解讀
- 9 封殺AI“照騙”，“淘寶們”終于不忍了？
- 10 優(yōu)必選：營收大增主靠小件，虧損繼續(xù)又逢關(guān)稅，能否乘機(jī)器人東風(fēng)翻身？
