3D数据的不同表示类型-(a)点云(Point clouds);(b) 体素网格(Voxel grids);(c) 多边形网格(Polygon meshes);(d) 多视图表示

题图中是3D数据的不同表示类型:

(a)点云(Point clouds);

(b) 体素网格(Voxel grids);

(c) 多边形网格(Polygon meshes);

(d) 多视图表示(Multi-view representations)

其中:a. 点云是三维空间(xyz坐标)点的集合。b. 体素是3D空间的像素。量化的,大小固定的点云。每个单元都是固定大小和离散坐标。c. mesh是面片的集合。d. 多视图表示是从不同模拟视点渲染的2D图像集合。

1. 点云

1.1 点云的概念,点云是不规则的数据结构,就是用一堆点来表示物体,这种方法的限制是点与点之间没有联系,缺乏物体的表面信息。

1.2 点云的表示方法,点云一般采用NxNxN的三维矩阵,或编码xyz三个通道的栅格数据,或以深度图的方式进行表示。

2. 体素

2.1 体素的概念,体素就相当于图像中的像素,可以理解为三维物体中的像素,这就使得三维空间中的物体可以基于规则的空间体素进行表示,进而将图像领域的框架挪用到三维领域,使用3D卷积等方式直接对体素进行处理,缺点是会消耗大量的计算资源,因此限制了体素的分辨率。

2.2. 体素的表示方法,SDF(signed distance field)即有效距离场。也就是通过给每个体素赋予SDF来模拟物体表面。如果SDF值大于0,表示该体素在当前表面前,如果SDF值小于0,则表示体素在表面后,SDF越接近0,表明它越接近场景真实表面。不过这种表示方法会占用大量的资源,因此有人提出了TSDF。

TSDF是为了降低体素表示方法的资源消耗而提出的。TSDF采用栅格立方体代表三维空间,每个栅格中存放的是其到物体表面的距离,TSDF值的政府分别表示被表面遮挡与可见,而表面上的点则经过零点。

3. mesh,理解了点云就理解了mesh,因为mesh就是点云的升级版,可以将点云的信息表示的更精细,可以理解为一种可视化方法。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
voxel cloud connectivity segmentation-supervoxels是针对点云数据的一种分割方法。点云数据是由大量的离散点组成的三维空间信息,而分割即将点云数据分为具有相似属性或特征的子集,从而提取出更具有语义信息的部分。而supervoxel则是指在点云数据中,将具有连续性和相似性的空间区域进行分割,形成具有显著特征的簇。 在voxel cloud connectivity segmentation-supervoxels方法中,首先将点云数据通过网格化的方法转化为体素voxel表示体素三维空间中均匀分布的小立方体单元,它可以将点云数据离散化,从而便于后续的处理。接下来,通过计算体素之间的连接关系,将具有相邻关系的体素组成的连通区域进行聚合,形成supervoxel。这种聚合方法可以保留连续性和相似性,从而提取出点云数据中的重要结构和区域。 使用voxel cloud connectivity segmentation-supervoxels方法可以有助于点云数据的分割和语义理解。通过将点云数据转化为体素表示并进行连通区域聚合,可以提取出更具有语义信息的子集。这些子集可以用于目标检测、三维重建、场景分析等各种应用。此外,该方法可以保留点云数据的几何连续性,有助于在点云数据中进行物体边界的提取和重建。 总之,voxel cloud connectivity segmentation-supervoxels是一种基于体素表示和连通区域聚合的点云数据分割方法,它可以从点云数据中提取出具有语义信息和重要结构的子集,为点云数据的处理和应用提供了有力的支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值