计算机工程

作者：席建锐, 唐红梅, 梁春阳, 刘鑫

单位：河北工业大学 电子信息工程学院, 天津 300401

关键词：点云重建,隐式重建,深度学习,样条编码,长短期记忆网络

基金：河北省自然科学基金(F2019202387)

利用隐函数对非结构化点云进行物体重建，具有不受拓扑结构和分辨率限制的特点，但是存在重建物体结构不准确、缺乏局部细节等问题。为此，提出一种样条编码和长短期记忆(LSTM) 网络相结合的改进点云物体重建算法。针对重建物体缺乏局部细节的问题，提出一种增强细节表示能力的样条编码模块，采用均匀二次B样条提取点云的局部位置特征信息。为了提高隐函数的重建准确率，设计LSTM点云预测模块，挖掘点云潜在的空间结构信息，利用包含空间相关性的动态权重自适应地预测靠近物体表面的点云，进一步提高隐式重建的准确率。为提高点云预测的合理性，引入点云变形损失和结构排斥损失，用于优化预测点云的整体结构。在2个公开的三维模型数据集ShapeNet和ABC上进行实验验证，结果表明，该算法的倒角距离分别为0.009%和0.427%，与DeepSDF、CurrSDF和MetaSDF算法相比，所提算法能够重建出更丰富的细节特征，获得更准确的重建结果及良好的视觉效果；在真实世界数据集Pix3D上的实验结果表明，该算法相较对比算法具有更优的泛化性能。

来源：2023年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第7期