3月29日-4月11日周报

PolyFit: Polygonal Surface Reconstruction from Point Clouds

简介：

从点云重建可以转换为二元标记问题。寻找面的组合，并且获得一个无边界的轻量级模型。

过程：

候选面生成：

面的提取：

用Schnabel等[24]提出的基于RANSAC的原始检测方法，从点云P中检测一组初始平面段S = {si}。这里的 si 是一组点，其距离小于ε平面的阈值，每个点可以分配给不超过一个平面。该平面表示为 si 的支撑平面。

面的细化：

提取的面由于噪音和异常点等因素的影响会存在一些不想要的面，这些面往往朝向随意且且点的分布不符合预期。

使用了一个优化的迭代细化平面段算法
具体步骤：
1.计算所有支撑面之间的夹角
2.选择夹角最小的两个面，如果两个面之间的夹角小于θ且拥有足够的点在支撑面上，则通过一定的方法拟合这两个面得到一个新的面
3.迭代这个过程直到没有满足这两个条件的支撑面对

候选面的生成：

通过点云的边界框裁剪所有平面线段的支撑平面。然后，可以通过与裁剪平面相交来获得候选面，同时要保留面与边之间的关联信息。

面的选择：

面的选择依赖于三个能量项，data-fitting、model complexity、point coverage

data-fitting:该术语旨在评估人面与点云的拟合质量，同时考虑适当的置信度概念 。它被定义为衡量对最终重建没有贡献的点的置信度加权百分比

model complexity: 这个能量项的目的在于倾向于选择让平面变大的边,实际上指的是锐边的比例

point coverage: 

这个指标的目的是让面中未被点覆盖的面积尽可能小

为了衡量面 fi 的覆盖程度，首先将所有 ε-邻域内的点投影到面 fi 上。然后，通过从这些投影点中构建 2D α-shape 来提取一个网格 Mαi。在构建 α-shape 时，只使用那些投影在面 fi 内部的点。α-shape 是一种用于从点集合中提取形状的方法，可以将投影在面 fi 内的点连接起来形成一种边界，从而评估面 fi 的覆盖程度。

最终的线性方程：