Efficient and robust 3D structure-aware reconstruction
Shanshan Pan, Jiahui Lyu, Fang Hao, Hui Fei Huang · Journal of Image and Graphics · 2022
目的结构化重建，即从离散点云或者原始三角网格中提取几何平面并将其拼接成紧凑的参数化3维模型，一直是计算机图形学领域中极具挑战性的问题。现有方法通常面临着两个挑战。一是传统的形状检测方法通常只考虑物体的局部特征，无法保证整体结果的准确性。二是现有的形状拼接算法往往受限于计算复杂度，从而只能处理由一百多个几何平面组成的物体，极大地限制了算法的应用场景。针对这些问题，提出了一种快速、鲁棒的结构化重建算法以自动地生成轻量的多边形网格。方法提出了一种多源区域增长算法，全局地从原始3维数据中提取特征平面。该策略保证了原始数据可以被正确地聚类到所属的平面区域。为了减轻几何平面分割3维空间带来的计算负担，采用了一种基于二叉空间分割树的结构将3维空间切分为凸多面体。提出了一种基于光线射击的马尔可夫能量方程以提取水密、无自相交的多边形网格。结果实验结果表明，本文方法可以在没有并行化方案的标准计算机上处理由上万个几何平面组成的物体。与传统的全相交分割相比，本文方法得到的多面体数目和运行时间都降低了至少两个数量级，总耗时可控制在5 s/万点以内。此外，模型化简前后的均方根误差平均控制在1%以内，面片化简比例控制在1.5%以内。结论本文方法在计算效率以及结果的准确性上均取得了较大的进步，能够恢复有部分缺陷的表面模型，保留重要结构细节，在复杂性和保真度之间提供了一种较好的方案。