典型文献
面向点云三维重建的空间感知对抗神经网络
文献摘要：
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.
文献关键词：
三维重建;深度学习;网格变形;对抗网络
中图分类号：
作者姓名：
卢林鹏;关柏良;林淑金
作者机构：
中山大学计算机学院,广东广州 510006;中山大学传播与设计学院,广东广州 510006
文献出处：
引用格式：
[1]卢林鹏;关柏良;林淑金-.面向点云三维重建的空间感知对抗神经网络)[J].计算机工程与科学,2022(07):1247-1255
A类：
B类：
三维重建,空间感知,对抗神经网络,始点,点云数据,局部密度,法向量,素引,建网,权重共享,训练过程,对抗网络,重建方法,预测器,偏移量,一个顶,顶点,重定向,判别器,点云分类,分类器,采样点,点集,高维特征,行空,训练方式,数据关联,多次迭代,迭代优化,空间特征,三维网格模型,MeshLab,够重,空间信息,粗劣,网格变形
AB值：
0.354991
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
