一种基于隐表示的大规模园林场景点云曲面重建方法技术

本发明专利技术提供了一种基于隐表示的大规模园林场景点云曲面重建方法，包括以下步骤：1)基于多邻域法线混合的点云法线计算：使用两种不同的点云邻域计算方式求得点云的不同邻域，根据邻域点分别求取点云法线，并最终混合二者法线计算结果得到园林点云的法线属性。2)基于隐的曲面拟合：使用隐式神经网络拟合园林点云的本征结构，通过法线约束和几何约束训练隐式神经网络得到隐式曲面。3)等值面抽取：对方形空间体素化并采点，通过隐式神经网络预测每一个点的符号距离值，根据每个点的符号距离值使用Marching Cube算法提取等值面。Cube算法提取等值面。Cube算法提取等值面。

【技术实现步骤摘要】
一种基于隐表示的大规模园林场景点云曲面重建方法


[0001]本专利技术涉及一种点云曲面重建方法，特别是一种基于隐表示的大规模园林场景点云曲面重建方法。

技术介绍

[0002]点云曲面重建旨在从点云数据中构建场景的三维连续曲面。园林场景是一种较为特殊的场景，其场景点云数量巨大，对象几何较为复杂，如何从这种点云中恢复正确的三维曲面依旧是一个难点问题。
[0003]早期的点云曲面重建方法大致可以分为基于插值的方法以及基于曲面形变的方法，基于插值的方法在点样本和其子集之间进行线性插值，这可以通过对遵从没有其它点位于其周围的控球性质的三重点进行三角化来有效地实现，如文献1：Bernardini F，Mittleman J，Rushmeier H，et al.The ball
‑
pivoting algorithm for surface reconstruction[J].IEEE transactions on visualization and computer graphics，1999，5(4)：349
‑
359.；文献2：Edelsbrunner H，M
ü
icke E P.Three
‑
dimensional alpha shapes[J].ACM Transactions On Graphics(TOG)，1994，13(1)：43
‑
72.；文献3：KolluriR，Shewchuk JR，O
′
BrienJ F.Spectral surface reconstruction from noisy point clouds[C]//Proceedings of the 2004Eurographics/ACM SIGGRAPH symposium on Geometry processing.2004：11
‑
21.；基于曲面形变的方法通过形变一个预先定义好的水密网格来拟合目标点云以实现点云的曲面重建，如文献4：Hanocka R，Metzer G，Giryes R，et al.Point2mesh：A self
‑
prior for deformable meshes[J].arXiv preprint arXiv：2005.11084，2020.文：5：Groueix T，Fisher M，Kim V G，et al.Aapproach to learning 3d surface generation[C]//Proceedings ofthe IEEE conference on computer vision and pattern recognition.2018：216
‑
224.
[0004]此前已有一些专利集中解决曲面重建问题，如文献6：孙立剑，王军，刘飞香等.一种基于法向量和点云数据相互融合的高精度曲面重建方法和装置[P].浙江省：CN115761137A，2023
‑
03
‑
07.；文献7：缪永伟，刘复昌，张跃耀等.一种基于分片学习策略的点云曲面隐式重建方法[P].浙江省：CN115830271A，2023
‑
03
‑
21.但是，上述这些方法主要针对对象级点云。将这些方法用在大规模场景上要么时间复杂度非常高，要么无法得到正确的结果。
[0005]相反，基于隐式表示的曲面重建方法通过将任意点映射到其最近的切平面的带符号距离来近似SDF(SignedDistanceField，有向距离场)，理论上，隐表示可以拟合任意表面，因此，将隐表示用于大规模复杂场景的曲面重建是合理的。这其中又可以进一步分为传统隐表示以及神经隐表示。传统隐表示方法的典型代表是文献8：Kazhdan M，Bolitho M，Hoppe H.Poisson surface reconstruction[C]//Proceedings of the fourth Eurographics symposium on Geometry processing.2006，7：0.，但是将泊松重建应用在大规模复杂场景上存在面片方向不一致问题。神经隐表示则使用深度神经网络来近似拟合
场景曲面，其基本想法是利用深度神经网络的固有对称性，在重建过程中充当先验，如文献9：Sitzmann V，Martel J，Bergman A，et al.Implicit neural representations with periodic activation functions[J].Advances in Neural Information Processing Systems，2020，33：7462
‑
7473.；文献10：SitzmannV，Chan E，Tucker R，et al.Metasdf：Meta
‑
learning signed distance functions[J].Advances in Neural Information Processing Systems，2020，33：10136
‑
10147.。使用神经隐表示有以下几点好处：首先，它们可以将潜在地以点云为条件的隐式函数存储在神经网络的权重中，这使得这种表示非常灵活。其次，神经隐表示基本与点云数量无关，甚至对规模巨大的点云场景有着非常高的压缩率，这为大规模场景的曲面重建带来可能。但是该方法存在以下两个问题，首先由于场景几何是编码在网络的参数中的，因此如何从网络参数中恢复网格表示是一个问题。其次，大多数神经隐表示需要点云法向量作为输入，而且，法向量的质量将会很大程度上影响重建的质量，而大多数大规模场景点云自身是不带法向量的，因此，如何估计高质量法向量是一个问题。

技术实现思路

[0006]专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于隐表示的大规模园林场景点云曲面重建方法。
[0007]为了解决上述技术问题，本专利技术公开了一种基于隐表示的大规模园林场景点云曲面重建方法，包括如下步骤：
[0008]步骤1，基于多邻域法线混合的点云法线计算方法，计算所述大规模园林场景点云的法线：使用两种不同的点云邻域计算方式求得所述园林场景点云的不同邻域，根据邻域点分别求取点云法线，并最终混合上述两个法线计算结果，得到所述园林场景点云的法线属性；
[0009]进一步的，所述的计算所述大规模园林场景点云的法线，具体包括以下步骤：
[0010]步骤1
‑
1，对于一个输入的园林场景点云P∈R
N
×3，其中R
N
×3表示属于实数域的三维点云，N表示三维点云中点的个数，首先查询其k近邻点P
k
∈R
N
×
k
×3以及球域近邻点其中，r
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于隐表示的大规模园林场景点云曲面重建方法，其特征在于，包括如下步骤：步骤1，基于多邻域法线混合的点云法线计算方法，计算所述大规模园林场景点云的法线：使用两种不同的点云邻域计算方式求得所述园林场景点云的不同邻域，根据邻域点分别求取点云法线，并最终混合上述两个法线计算结果，得到所述园林场景点云的法线属性；步骤2，隐式曲面拟合：使用隐式神经网络拟合所述园林场景点云的本征结构，通过法线约束和几何约束训练所述隐式神经网络得到隐式曲面；步骤3，等值面抽取：对方形空间体素化并采点，通过隐式神经网络预测方形空间中每一个点的符号距离值，根据每个点的符号距离值使用Marching Cube算法提取等值面，作为大规模园林场景点云曲面的重建结果，即完成基于隐表示的大规模园林场景点云曲面重建。2.根据权利要求1所述的一种基于隐表示的大规模园林场景点云曲面重建方法，其特征在于，步骤1中所述的计算所述大规模园林场景点云的法线，具体包括以下步骤：步骤1
‑
1，对于一个输入的园林场景点云P∈R
N
×3，其中R
N
×3表示属于实数域的三维点云，N表示三维点云中点的个数，首先查询其k近邻点P
k
∈R
N
×
k
×3以及球域近邻点其中，r
i
表示近邻球域的半径，i表示第i个近邻球域；步骤1
‑
2，将k近邻点和球域近邻点分别输入法线预测网络得到k法线N
K
∈R
N
×3以及球法线N
R
∈R
N
×3；步骤1
‑
3，法线混合：首先采用法线平滑方法，平滑k法线以及球法线，然后混合得到最终的园林场景点云法线N
M
∈R
N
×3。3.根据权利要求2所述的一种基于隐表示的大规模园林场景点云曲面重建方法，其特征在于，步骤1
‑
3中所述的法线平滑方法，包含以下步骤：步骤1
‑3‑
1，首先对园林场景点云构建KD树；步骤1
‑3‑
2，根据KD树查询园林场景点云自身的k近邻，得到k近邻距离D
k
以及k近邻索引I
k
；步骤1
‑3‑
3，根据高斯分布函数和k近邻距离D
k
计算平滑权重W
k
，具体方法如下：其中，σ,μ是方差和均值；步骤1
‑3‑
4，将步骤1
‑
2中获得的法线记做N
m
，然后根据平滑权重进行加权，具体方法如下：N
avg
＝N
m
[I
k
]*unsqueeze(W
k
,2)其中，对k法线平滑时，N
m
＝N
k
，对球法线平滑时，N
m
＝N
r
；N
m
[I
k
]的值是根据索引I
k
在N
m
中取值；N
avg
是一个N
×
k
×
3的张量，表示N
avg
在第一维的第i
avg
个以及第二维的第j
avg
个值；
采用上述方法，对k法线平滑得到k平滑法线对球法线平滑得到球平滑法线4.根据权利要求3所述的一种基于隐表示的大规模园林场景点云曲面重建方法，其特征在于，步骤2所述的隐式曲面拟合，具体包含以下步骤：步骤2
‑
1，搭建隐式神经网络F；步骤2
‑
2，对园林场景点云采样得到正样本点X
pos
；步骤2
‑
3，在园林场景点云所包围成的方形空间S内随机采点得到负样本点X
neg
；步骤2

【专利技术属性】
技术研发人员：覃池泉，黄燚，沈怡静，吴超楠，钱圣诞，
申请(专利权)人：苏州工艺美术职业技术学院，
类型：发明
国别省市：