声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：卢林鹏, 关柏良, 林淑金
单位：（1.中山大学计算机学院，广东 广州 510006；2.中山大学传播与设计学院，广东 广州 510006）
关键词：三维重建,深度学习,网格变形,对抗网络,
基金：广东省基础与应用基础研究基金（2019A1515011953）
为了解决由原始点云数据局部密度稀疏、不均匀或者法向量错误等制约因素引起的重建网格质量问题,利用对抗神经网络中权重共享的特性和对抗的训练过程,提出一种基于对抗网络的点云三维重建方法。首先，利用预测器对网格模型边的偏移量进行预测，从而得到每一个顶点的位移，并进行拓扑保持的顶点重定向，得到新的网格模型。然后，利用判别器中的点云分类器，提取原始点云数据和网格模型表面采样点集的高维特征，并基于高维特征进行空间感知的判别，用于区分原始点云与采样点集数据。最后，使用对抗的训练方式将预测器与判别器的输出数据关联起来，通过多次迭代优化网络模型，从而得到满足点云空间特征的三维网格模型。在不同的点云数据集上进行实验，并使用MeshLab软件进行效果展示，结果表明，该方法能够重建出满足点云空间信息的三维网格模型，同时能够解决粗劣的点云数据引起的网格质量问题。
来源：2022年第7期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。