當前位置：
OFweek 人工智能網(wǎng)
> 正文
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
2020-03-23 15:37
將門創(chuàng)投
關注
法向量和坐標優(yōu)化
為了進一步對先前得到的稠密點云和坐標進行優(yōu)化，需要進行進一步優(yōu)化。首先需要利用多層感知機f3 預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：
坐標修正如下：
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f4來預測出修正的偏移量：
法向量修正如下：
通過進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的法向量，進一步提高了三維信息的豐富程度。
實驗結果
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進行訓練，同時利用Chamfer、Hausdorff、點到曲面等距離和Jensen-Shannon散度等度量指標，將PUGeo-Net與EAR、PU-Net、MPU等模型進行了對比，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)的上采樣結果：
可以看到PUGeo-Net可以更好地處理幾何細節(jié)，在保持目標拓撲結構的基礎上更多的保留了幾何細節(jié)。生成結果的結果，稠密點分布更加均勻：
再來看一些更為復雜的重建結果：
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
請輸入評論內容...
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AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇，探索AI產業(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”爆發(fā)至今，五類新物種登上歷史舞臺
- 5 國產智駕迎戰(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
- 7 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)又逢關稅，能否乘機器人東風翻身？
