【论文阅读】16-Robust and efficient surface reconstruct from range data

0 basic imformation

Labatut P , J.‐P. Pons, Keriven R . Robust and Efficient Surface Reconstruction From Range Data[J]. Computer Graphics Forum, 2009, 28(8).

1 aims and characteristics

1. 将表面重建问题转化为空间labeling的问题，进而问题的实质变为：二分类使得能量函数最小化
2. 采用graph-cut（图割）的方法进行优化求解

• 最大流 、最小割 、能量最小-----graph cut算法
• 将graph-cut应用到图像分割：链接

3. 采用adaptive Delaunay triangulation–根据表面曲率，自适应调整三角化密度
4. 考虑visibility && surface quality

2 method

2.1 overview

• 三维表面重建，等价于在基于DT剖分的空间内，找到最优S（三角面片几何），使得能量函数（与可视性约束、surface quality相关）
• 根据初始的DT,从中选择三角面片，可以得到最后的S
  选择三角面片的过程，等价于将DT二分类（inside\outside），处于交界面处的三角面片则为所求的surface
• 对初始DT进行二分类，使得具有几何意义的E最低
  该优化问题可以采用graph-cut求解

2.2 details

1. 能量函数E：（与可视性约束、surface quality相关）
   
   
2. 二分类问题使得E最低----graph-cut 优化问题，元素一一对应

• Vertices: DT + infinite T(解决open surface问题)
• Oriented edge: oriented triangle faces

orientation：
在s-t图中，连接两个节点的边是有方向的，该方向通过（c,p）线段的指向来确定，具体是：由靠近sensor的DT指向远离sensor的DT；
值得注意的是，两个节点间可能存在两个有向边

• Source-outside of the model

• Sink-inside of the model

• Cost–
  

• ti\si： ti\si = weight_vis

• w_ij: 注意其有向性，从E的意义中定义

w_ij = weight_vis + nameda* weight_qual (与E的计算公式对应)

• weight_vis：单个（c，p）segment，根据soft visilbility为相关的face,DT-s/DT-t 设置 与其（该p）对应的weight_vis_p（公式如下）,最终的 weight_vis 由遍历所有（c，p）后，累加得到

visiibility VS soft visibility

• The line of sight：from vertex to sensor
• Outside: last DT(根据视线方向)
• Edge:根据surface的朝向连接节点（edge方向与朝向相反）
• Link: 根据inside\outside 确定与sink\source相连
• weight_vis: 遍历所有vertexes，每个edge具有对应每个vertex计算得到一个权值，最后累加
• Distance:vertex – 交点(face与the line of sight

	visibility	soft visibility
inside	the nearest behind ones	vertex behind but a bit further( sigma )
weight_vis	constant	constant && distance factor

PS: 对the line of sight 添加confidence （vertex 可能有误差）-confidence --angle= normal && the line of sight
但在本文中，不考虑confidence

• weight_qual:
  
  

PS: 衡量surface quality 的相关思路

1. face – the length of the longest edge in the face / the length of the shortest edge in the face
   实质：体现face shape的指标，ratio越大，face shape越尖锐
2. 参考 beta-skeleton( 原论文中有beta-skeleton的相关介绍与引用参考 )

• 2D：find the edges(具有large&empty 外接圆) in DT —应用： point samples – curve(轮廓线)
• 3D：find the faces(具有large&empty 外接球) in DT —应用： point samples – surface(轮廓表面)
  弊端：真实的但具有small&empty 外接球的DT无法被选择

3 Result

1. 数据集

2. Sensor position :
   可作为输入，也可根据初始的虚拟位置，恢复的visibility 信息
   前提： sample 无outlier

3. 参数设置

4. 对比试验

• 比较的对象（当前较优方法）
• 通过比较想探究的要素（性能【time\memory】+robustness 【non-uniform sampling (undersampling)\ noise\ outlier】）
• 比较的指标（time\memory\restruction 的完整性与精度 —定量、定性、目视）
• 除关键要素外，单一变量的控制:

Normal，需要作为已知信息输入（implict method），或者可在表面重建的过程中生成（其他方法）
----为更好得比较算法，故统一为输入已知normal（densify步骤得到了估计的normal值）