泊松表面重建1

泊松表面重建表面重建由点样本重建三维表面表面重建方法散乱点云的网格重建方法发展到现在，主要有如下几个研究方向:（1）基于Delaunay重建法；(2）区域扩张重建法；（3）基于隐式曲面重建法；（4）基于统计学重建法。三维场景表面重建由图像生成的三维空间点云，噪声大、稀疏、分布不均。即使经过扩散处理，纹理不丰富的场景也很难得到完整的稠密点云。由于这些问题的存在，重建方法需要推断表面的拓扑结构、过滤噪声数据、合理填充孔洞、调整采样数据、划分模型网络等，而MichaelKazhdan等提出的泊松表面重建算法可以有效地解决以上问题。因此采用泊松表面重建算法来实现对图像重建出的点云进行表面重建。东北大学信息楼体育馆泊松表面重建隐函数方法计算了一个三维指示函数(在模型内部的点定义为1，外部的点定义为0)提取合适的等值面获得重建的表面000泊松表面重建二维泊松重建的直观图例隐函数创建一个指示函数来表示表面模型MpMppMif0if1M指示函数01000011构造指示函数如何构造指示函数？M指示函数原始点集构造泊松方程由已知有向点云估计向量场求解函数，它的梯度最接近向量场:应用散度算子,我们可以将这变成一个泊松问题:VVminVVV算法实现输入有向点云数据:建立八叉树空间计算向量场解泊松方程求指示函数提取等值面实现:适应的八叉树空间实现:向量场实现：解泊松方程VVmin构造稀疏矩阵解泊松方程求解指示函数实现:表面提取为了获得重建表面，首先需要选择一个等值，然后通过计算指示函数提取对应的等值面。选择等值使得提取的等值面近似逼近输入的样本点的位置。方案是首先通过在样本点的位置估计，然后使用平均值来提取等值面：实验结果在稀疏点云重建的基础上采用泊松表面重建算法重建场景的表面，取八叉树深度为10。实验场景包括牛牛实验室，和图书馆。实验室稀疏点云表面重建结果实验结果图书馆稀疏点云表面重建结果总结1，由实验结果可知泊松表面重建可以很好地解决基于图像生成的三维空间点云，噪声大、稀疏、分布不均等问题，可以满足不对模型精度过高要求应用的需求。2，只是对部分场景做了实验，还没完成大规模的场景表面重建。ThankYou