#Edge-Aware Point Set Resampling
we propose a resampling approch to process a noisy and possibly outlierridden point set in an edge-aware manner.
作者提出了一个新颖的重采样方法,将扫描获得的噪音数据转化成由可靠法向量的表面点集。
该重采样算法的特性:
- 保存尖锐边,平滑表面
- 可以实现任何密度需求的重采样
- 产生可靠的法向量,便于用于表面重建
Overview
-
First, resample a set of points away from edges,for which reliable normals can be computed.
-
Second,upsample to increase point density,porgressivelu filling regions near the edges.
Algriom
1,Resampling away from edges
-
首先,执行PCA来估计法向量方向和其一致性性方向(根据p的位置信息和法向量信息,对点按不同方向进行分类)
-
其次,对这些法向量进行双边平滑处理,其中权重方案同时考虑了位置信息和法向量信息。(单靠迭代双边平滑就能大致地区分靠近边缘的法线,并粗略地揭示边缘的位置)。
通过上面步骤法向量可能仍存在边缘,如下图,因此先不计算靠近边缘的法向量。
最终,获得的是一组具有可靠法线的定向点,但在尖锐特征边缘处存在间隙(gap).
-
2,Edge-preserving upsamping
基于可靠的法线,将定向点插入并投影到潜在表面上,该潜在表面是 由输入点集定义的未知基础表面。
we design a novel proector,where the projection direction is constrained to be along the normal of inserted point.
p k p_k pk= b k b_k bk+ d k d_k dk n k n_k nk
b k b_k bk is a based selection, d k d_k dk is a projection distance
-
Base selection
-
projection distance under a given normal
-
normal determination
参考:
Huang H , Shihao W U , Gong M , et al. Edge-aware point set resampling[J]. Acm Transactions on Graphics, 2013, 32(1):1-12.