qq_40690772的博客

点云重采样可以应用于点云去噪以及点云上采样等。（包括基于优化的方法以及深度学习的方法）这里作者并非直接使用每个点的k近邻，而是从全局采样点集后，再进行计算k近邻。Y是未退化点云，p是点云分布，X是退化点云，H是退化函数，N是躁动。基于优化的方法：例如构建维诺图，在维诺图插入顶点。采用迭代的链式方法，直到系数组a收敛则可以停止。包括了局部表面拟合的方法：双边滤波等。局部最优投影的方法：LOP+WLOP。为了保证模型连续性。这里采用了GLR和RGLR两种方法。以及专注于缺失部分的上采样。以及深度学习的方法。

内在控制的各向同性3D点云重采样

论文学习笔记（3）：PointLIE: Locally Invertible Embedding for Point Cloud Sampling and Recovery文章目录论文学习笔记（3）：PointLIE: Locally Invertible Embedding for Point Cloud Sampling and Recovery一、Introduction二、Methods1.Task Overview2.网络结构3.损失函数三、Experiments四.Conclusion

论文学习笔记（2）：Variational Implicit Point Set Surfaces本文出自2019年“ACM Transactions on Graphics (Proc. ACM Siggraph 2019)”文章目录论文学习笔记（2）：Variational Implicit Point Set Surfaces本文出自2019年“ACM Transactions on Graphics (Proc. ACM Siggraph 2019)”前言一、隐式曲面是什么？二、Introdu

Efficient L0 resampling of point sets