面向开放表面的神经移动立方体算法

移动立方体(marching cubes,MC)是一种经典的等值面提取算法,但此算法建立在将空间点划分为内部点和外部点基础上,只适用于封闭表面的重建。为解决此问题,提出一种面向开放表面的神经移动立方体算法。通过引入称作无关点的新的空间点分类,因无关点与内部点、外部点以及无关点之间形成的空间区域不存在零等值面,从而可连通三维形状的内部和外部。无关点可通过与表面间的距离直接判断,无需复杂的网络或计算。同时,用引入注意力机制的残差模块代替原网络,以改善重建效果。此外,设计新的曲面细分,借助无关点实现对开放表面的重建。最后,通过加入对边缘的平滑处理,提高边缘部分的重建质量。在多项评估指标下对封闭表面和开放表面进行了测试,证明所提方法不仅能重建封闭表面,而且实现了对开放表面的高质量重建。

体素可视外壳并行优化建模方法

基于体的可视外壳重建不需要复杂的几何计算,易于实现,但其精度和效率仍不理想。提出一种基于统一计算架构(CUDA)和行进立方体(MC)的体素可视外壳并行优化建模方法,将体素相交判断和等值面抽取过程并行分解,利用CUDA的内核多线程机制加速建模;在MC网格化阶段,提取准确交点并消除冗余边计算;利用像素着色器实现混合权重的纹理映射,提高模型精度。在多摄像机采集装置D reamW orld上的实验结果表明,本文方法能够对多个动态物体进行实时准确的3维建模。