Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Khôi phục điểm mây với phương pháp ghép nối dựa trên đặc trưng hình học
Tóm tắt
Với sự phát triển của công nghệ LiDAR, đám mây điểm như một định dạng dữ liệu để đại diện cho các đối tượng 3D đã trở nên ngày càng phổ biến. Tuy nhiên, những yếu tố tiêu cực như sự che khuất hoặc các đặc tính không thuận lợi của bề mặt vật liệu sẽ dẫn đến sự hiện diện của những khiếm khuyết hình học, thường biểu hiện qua các lỗ hổng trong đám mây điểm. Để giải quyết vấn đề này, phương pháp khôi phục đám mây điểm đã được đề xuất. Trong bài báo này, chúng tôi đề xuất một phương pháp khôi phục đám mây điểm cải tiến, phương pháp này tìm kiếm ngữ cảnh phù hợp cho các lỗ hổng đã phát hiện và sau đó áp dụng một chiến lược ghép nối đặc trưng hiệu quả hơn để tinh chỉnh nguồn dữ liệu trong bước lấp lỗ bằng cách căn chỉnh một tập hợp các điểm đặc trưng tương ứng. Kết quả thực nghiệm với các so sánh chứng minh tính hiệu quả cạnh tranh của nó với mức tăng trung bình 14% trong GPSNR và chất lượng khôi phục tốt hơn từ góc độ chủ quan.
Từ khóa
#đám mây điểm #khôi phục đám mây điểm #ghép nối đặc trưng #công nghệ LiDAR #khiếm khuyết hình họcTài liệu tham khảo
Sinh, N. V., Ha, T. M., Thanh, N. T.: Filling holes on the surface of 3D point clouds based on tangent plane of hole boundary points. Symposium on Information and Communication Technology, pp. 331–338. ACM. (2016)
Doria, D., Radke, R. J.: Filling large holes in LiDAR data by inpainting depth gradients. 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops. IEEE. (2012)
Sahay, P., Rajagopalan A.N.: Harnessing self-similarity for reconstruction of large missing regions in 3D models. International Conference on Pattern Recognition, pp. 101–104. IEEE. (2012)
Sahay, P., Rajagopalan, A. N.: Geometric inpainting of 3D structures. Computer Vision and Pattern Recognition Workshops, pp. 1–7. IEEE. (2015)
Lozes, F., Elmoataz, A., Lezoray, O.: PDE-based graph signal processing for 3-D color point clouds: opportunities for cultural heritage. IEEE Signal Processing Magzine. 32(4), 103–111 (2015)
Dinesh, C., Bajic, I. V., Cheung, G.: Exemplar-based framework for 3D point cloud hole filling. IEEE Visual Communications and Image Processing. IEEE. (2017)
Wang, J., Oliveira, M.M.: Filling holes on locally smooth surfaces reconstructed from point clouds. Image Visual Computer. 25(1), 103–113 (2007)
Sagawa, R., Ikeuchi, K.: Hole filling of a 3D model by flipping signs of a signed distance field in adaptive resolution. IEEE Transactions on Pattern Analysis and Machine Intelligence. 30(4), 686–699 (2008)
Hongbin, L., Wei, W.: Feature preserving holes filling of scattered point cloud based on tensor voting. IEEE International Conference on Signal and Image Processing. IEEE. (2017)
Setty, S., Ganihar, S. A., Mudenagudi, U.: Framework for 3D object hole filling. Fifth National Conference on Computer Vision. IEEE. (2015)
Dinesh, C., Bajic, I.V., Cheung, G.: Adaptive non-rigid inpainting of 3d point cloud geometry. IEEE Signal Processing. Letter. 25(6), 878–882 (2018)
Chalmoviansky, P., Jttler, B.: Filling holes in point clouds. Mathematics of surfaces, pp. 196–212. Springer, Berlin (2003)
Wu, X., Chen, W.: A scattered point set hole-filling method based on boundary extension and convergence. Intelligent Control and Automation (WCICA), 2014 11th World Congress, pp. 5329–5334. IEEE. (2014)
Wei Z, Zongming G.: Local frequency interpretation and non-local self-similarity on graph for point cloud inpainting. IEEE Transactions on Image Processing, 28(8), pp. 4087–4100 (2019)
Lozes, F., Elmoataz, A., Lezoray, O.: Partial difference operators on weighted graphs for image processing on surfaces and point clouds. IEEE Transaction Image Processsing. 23(9), 3896–3909 (2014)
Carmelo, M., Gareth, P.S., Rahul, S.: Novel algorithms for 3d surface point cloud boundary detection and edge reconstruction. Journal of Computational Design & Engineering. 1, 1 (2018)
Zhu, R.F., Fang, Y.: Boundary extraction and simplification of scattered point cloud based on improved single-axis searching method. Science Technology and Engeering. (2012)
Arun, K.S., Huang, T.S., Blostein, S.D.: Least-squares fitting of 2 3-d point sets. IEEE Transactions on Pattern Analysis and Machine Intelligence. PAMI-9(5), 698–700 (1987)
http://plenodb.jpeg.org. Accessed 21 Oct 2021