Edge-Aware Point Set Resampling

#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.

$p_k$=$b_k$+$d_k$$n_k$

$b_k$ is a based selection,$d_k$ 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.
  ​