三维点云自适应稀疏优化重构

摘要：

为了抑制三维点云中包含的噪声,提出一种具有特征保持的稀疏优化重构方法,在抑制噪声的同时恢复尖锐特征.首先,利用邻域点构建的局部张量矩阵的特征值对隐含流形面进行曲率估计,并凭借成对一致性投票实现特征点邻域的鲁棒统计辨识,避免离群点对于法向估计的影响;然后,为了抑制交替优化过程中产生的虚假特征,在L0最小化框架中引入具有特征辨识的自适应微分算子,并依靠投影正则项缓解曲面特征的退化;最后,根据优化后的法向场对尖锐特征进行投影恢复.实验结果表明,经本文所述算法重构后点云的误差平均减小10.2％,法向误差平均减少29.7％,同时主观视觉效果也优于现有多种典型算法.所述方法能够有效提高点云的质量,为基于点云的三维测量与逆向建模提供技术支撑.

关键词：点云降噪;特征恢复;L0最小化;邻域辨识;统计投票

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目No.61503241.No.61801287

在线出版日期：2021-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2495-2503