Adaptive reconstruction of 3D point cloud by sparse optimization

Xiao-wei FENG; Hai-yun HU; Rui-qing ZHUANG; Min HE

doi:10.37188/OPE.20212910.2495

您当前的位置：

首页 >

文章列表页 >

Adaptive reconstruction of 3D point cloud by sparse optimization

Information Sciences | 更新时间：2021-11-01

- Adaptive reconstruction of 3D point cloud by sparse optimization
- Optics and Precision Engineering Vol. 29, Issue 10, Pages: 2495-2503(2021)
- 作者机构：
  
  上海海事大学电气自动化系，上海 201306
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20212910.2495
  CLC： TP391
- Received：20 April 2021，
  
  Revised：29 June 2021，
  
  Published：15 October 2021
- 稿件说明：
移动端阅览
冯肖维,胡海云,庄睿卿等.三维点云自适应稀疏优化重构[J].光学精密工程,2021,29(10):2495-2503.

FENG Xiao-wei,HU Hai-yun,ZHUANG Rui-qing,et al.Adaptive reconstruction of 3D point cloud by sparse optimization[J].Optics and Precision Engineering,2021,29(10):2495-2503.
冯肖维,胡海云,庄睿卿等.三维点云自适应稀疏优化重构[J].光学精密工程,2021,29(10):2495-2503. DOI： 10.37188/OPE.20212910.2495.

FENG Xiao-wei,HU Hai-yun,ZHUANG Rui-qing,et al.Adaptive reconstruction of 3D point cloud by sparse optimization[J].Optics and Precision Engineering,2021,29(10):2495-2503. DOI： 10.37188/OPE.20212910.2495.

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。

Abstract

To suppress 3D point cloud noise

a feature-preserving reconstruction method using sparse optimization is proposed

which can restore sharp features while suppressing noise. First

the curvature of the underlying manifold surface is estimated using the eigenvalues of the local tensor matrix

which is constructed by using the neighboring points. To avoid the influence of outliers on normal estimation

pair consistency voting is used to realize robust statistical identification of feature points in the neighborhood. In the L0 minimization framework

an adaptive differential operator

based on feature identification

is introduced to avoid generation of artifacts in the alternating optimization process

and the projection regularization term is used to alleviate curved surface degradation. According to the optimized normal field

the sharp features are restored by projection optimization. The experimental results show that the reconstructed point cloud error is reduced by 10.2% on average

and the normal error is reduced by 29.7% on average. In addition

the subjective visual effect is better than several state-of-the-art algorithms. The introduced method can effectively improve the point cloud quality and provide technical support for 3D measurement and reverse modeling based on the point cloud.

关键词

Keywords

references

YADAV S K ， REITEBUCH U ， SKRODZKI M ， et al . Constraint-based point set denoising using normal voting tensor and restricted quadratic error metrics ［J］. Computers & Graphics ， 2018 ， 74 ： 234 - 243 . doi: 10.1016/j.cag.2018.05.014 http://dx.doi.org/10.1016/j.cag.2018.05.014

冯肖维，姜晨，何敏，等 . 三维距离图像基于特征估计的自适应平滑［J］. 光学精密工程， 2019 ， 27 （ 12 ）： 2693 - 2701 . doi: 10.3788/ope.20192712.2693 http://dx.doi.org/10.3788/ope.20192712.2693

FENG X W ， JIANG CH ， HE M ， et al . Adaptive smoothing for three-dimensional range image based on feature estimation ［J］. Opt. Precision Eng. ， 2019 ， 27 （ 12 ）： 2693 - 2701 . （in Chinese） . doi: 10.3788/ope.20192712.2693 http://dx.doi.org/10.3788/ope.20192712.2693

ALEXA M ， BEHR J ， COHEN-OR D ， et al . Computing and rendering point set surfaces ［J］. IEEE Transactions on Visualization and Computer Graphics ， 2003 ， 9 （ 1 ）： 3 - 15 . doi: 10.1109/tvcg.2003.1175093 http://dx.doi.org/10.1109/tvcg.2003.1175093

LEVIN D . Mesh-independent Surface Interpolation ［M］. Geometric Modeling for Scientific Visualization . Berlin， Heidelberg ： Springer Berlin Heidelberg ， 2004 ： 37 - 49 . doi: 10.1007/978-3-662-07443-5_3 http://dx.doi.org/10.1007/978-3-662-07443-5_3

AMENTA N ， KIL Y J . Defining point-set surfaces ［J］. ACM Transactions on Graphics ， 2004 ， 23 （ 3 ）： 264 - 270 . doi: 10.1145/1015706.1015713 http://dx.doi.org/10.1145/1015706.1015713

GUENNEBAUD G ， GROSS M . Algebraic point set surfaces ［J］. ACM Transactions on Graphics ， 2007 ， 26 （ 3 ）： 23 . doi: 10.1145/1276377.1276406 http://dx.doi.org/10.1145/1276377.1276406

ÖZTIRELI A C ， GUENNEBAUD G ， GROSS M . Feature preserving point set surfaces based on non-linear kernel regression ［J］. Computer Graphics Forum ， 2009 ， 28 （ 2 ）： 493 - 501 . doi: 10.1111/j.1467-8659.2009.01388.x http://dx.doi.org/10.1111/j.1467-8659.2009.01388.x

HE L ， SCHAEFER S . Mesh denoising via L 0 minimization ［J］. ACM Transactions on Graphics ， 2013 ， 32 （ 4 ）： 1 - 8 . doi: 10.1145/2461912.2461965 http://dx.doi.org/10.1145/2461912.2461965

AVRON H ， SHARF A ， GREIF C ， et al . ℓ 1 -Sparse reconstruction of sharp point set surfaces ［J］. ACM Transactions on Graphics ， 2010 ， 29 （ 5 ）： 1 - 12 . doi: 10.1145/1857907.1857911 http://dx.doi.org/10.1145/1857907.1857911

XU L ， LU C W ， XU Y ， et al . Image smoothing via L 0 gradient minimization ［J］. ACM Transactions on Graphics ， 2011 ， 30 （ 6 ）： 1 - 12 . doi: 10.1145/2070781.2024208 http://dx.doi.org/10.1145/2070781.2024208

SUN Y J ， SCHAEFER S ， WANG W P . Denoising point sets via L0 minimization ［J］. Computer Aided Geometric Design ， 2015 ， 35/36 ： 2 - 15 . doi: 10.1016/j.cagd.2015.03.011 http://dx.doi.org/10.1016/j.cagd.2015.03.011

CANDÈS E J ， WAKIN M B ， BOYD S P . Enhancing sparsity by reweighted ℓ _1 minimization ［J］. Journal of Fourier Analysis and Applications ， 2008 ， 14 （ 5/6 ）： 877 - 905 . doi: 10.1007/s00041-008-9045-x http://dx.doi.org/10.1007/s00041-008-9045-x

崔鑫，闫秀天，李世鹏 . 保持特征的散乱点云数据去噪［J］. 光学精密工程， 2017 ， 25 （ 12 ）： 3169 - 3178 . doi: 10.3788/OPE.20172512.3169 http://dx.doi.org/10.3788/OPE.20172512.3169

CUI X ， YAN X T ， LI SH P . Feature-preserving scattered point cloud denoising ［J］. Opt. Precision Eng. ， 2017 ， 25 （ 12 ）： 3169 - 3178 . （in Chinese） . doi: 10.3788/OPE.20172512.3169 http://dx.doi.org/10.3788/OPE.20172512.3169

赵夫群，周明全 . 层次化点云去噪算法［J］. 光学精密工程， 2020 ， 28 （ 7 ）： 1618 - 1625 . doi: 10.37188/OPE.20202807.1618 http://dx.doi.org/10.37188/OPE.20202807.1618

ZHAO F Q ， ZHOU M Q . Hierarchical point cloud denoising algorithm ［J］. Opt. Precision Eng. ， 2020 ， 28 （ 7 ）： 1618 - 1625 . （in Chinese） . doi: 10.37188/OPE.20202807.1618 http://dx.doi.org/10.37188/OPE.20202807.1618

ZHANG J ， CAO J J ， LIU X P ， et al . Multi-normal estimation via pair consistency voting ［J］. IEEE Transactions on Visualization and Computer Graphics ， 2019 ， 25 （ 4 ）： 1693 - 1706 . doi: 10.1109/tvcg.2018.2827998 http://dx.doi.org/10.1109/tvcg.2018.2827998

JONES T R ， DURAND F ， ZWICKER M . Normal improvement for point rendering ［J］. IEEE Computer Graphics and Applications ， 2004 ， 24 （ 4 ）： 53 - 56 . doi: 10.1109/mcg.2004.14 http://dx.doi.org/10.1109/mcg.2004.14

WANG Y T ， FENG H Y ， DELORME F É ， et al . An adaptive normal estimation method for scanned point clouds with sharp features ［J］. Computer-Aided Design ， 2013 ， 45 （ 11 ）： 1333 - 1348 . doi: 10.1016/j.cad.2013.06.003 http://dx.doi.org/10.1016/j.cad.2013.06.003

CHENG X ， ZENG M ， LIN J P ， et al . Efficient L0 resampling of point sets ［J］. Computer Aided Geometric Design ， 2019 ， 75 ： 101790 . doi: 10.1016/j.cagd.2019.101790 http://dx.doi.org/10.1016/j.cagd.2019.101790

Views

375

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰