融合形状结构恢复和细节补偿的双分支点云修复网络

针对传统点云修复中难以有效地保持原始形状细节结构信息的问题,提出一种融合形状全局结构恢复和局部细节补偿的双分支点云形状修复网络.网络中的形状全局结构恢复分支为编解码-解码器结构,编码器对缺失点云数据进行特征变换以克服点云形状的旋转不变性,利用最大池化操作解决点云的无序性问题,并通过多层感知器生成原始点云的特征码字,解码器对编码得到的特征码字使用4个二维网格进行2次折叠操作,拟合点云形状得到粗修复结果;为了补偿点云粗修复结果的形状细节信息,网络中的局部细节补偿分支对编码器提取得到的不同维度特征,通过层次特征学习和多层次特征融合学习点云形状的几何结构特征,有效地恢复缺失点云数据并保留原始形状细节信息;最终将经全局结构恢复分支和局部细节补偿分支分别得到的点云数据拼接融合,再进行迭代最远点重采样,得到点云形状精修复结果.实验结果表明,在ShapeNet数据集上,所提网络比已有网络修复结果的平均CD误差和平均EMD误差分别低16%~29%和19%~65%;在ModelNet数据集上,比已有网络修复结果的平均CD误差和平均EMD误差分别低6%~41%和31%~59%;该网络可以修复原始形状的整体结构信息并能有效地恢复其形状细节,生成采样点分布均匀的完整点云模型,且对模型噪声和不同程度的模型缺失均具有鲁棒性.

多阈值提取平面点云边界点的方法

针对基于切片技术的点云数据重建算法需要提取切片内点云边界点,及现有算法效率低、提取效果不好等问题,提出一种多阈值提取平面点云边界点的算法。通过选取判断点的k个近邻点,计算相邻两点与判断点连线间夹角,由于边界点必存在最大夹角,通过判断最大夹角是否超过设定阈值,从而快速提取边界点。通过对阈值设值分析,不同点云数据的边界提取实验及几种方法间比较,该方法不受点云形状影响,均能较好提取边界点,且优于其他3种算法。结果表明该方法在保证原始点云特征信息的前提下,可较好提取边界点,提高后续点云重建速度与效率。