基于 0-1 整数优化的非水密场景级点云全局朝向分治方法
计算机视觉与模式识别
2025-05-30 v1
摘要
点云朝向是计算机图形学和三维视觉中的一个基本问题，广泛应用于重建、分割和分析。尽管已取得显著进展，但现有方法主要关注水密的、对象级的三维模型。大规模、非水密三维场景的朝向仍是一个未被充分探索的挑战。为了填补这一空白，我们提出了 DACPO（Divide-And-Conquer Point Orientation），一种利用分治策略实现可扩展且鲁棒的点云朝向的新颖框架。DACPO 并非试图一次性对无界场景进行朝向，而是将输入点云分割为更小、可管理的块，独立处理每个块，并通过全局优化阶段整合结果。对于每个块，我们引入了一个两步过程：通过随机贪心方法估计初始法线朝向，并通过自适应的迭代泊松表面重建对其进行细化。为了实现各块之间的一致性，我们使用无向图对块间关系进行建模，其中节点代表块，边连接空间上相邻的块。为了可靠地评估相邻块之间的朝向一致性，我们引入了可见连通区域的概念，该概念定义了执行基于可见性评估的区域。随后，全局整合被表述为一个 0-1 整数约束优化问题，以块翻转状态作为二元变量。尽管该问题具有组合性质，但通过限制参与优化的块数量（对于三维场景通常为几百个），DACPO 保持了可扩展性。在基准数据集上的实验证明了 DACPO 的强大性能，特别是在现有方法经常失效的极具挑战性的大规模、非水密场景中。源代码可在 https://github.com/zd-lee/DACPO 获取。
引用
@article{arxiv.2505.23469,
title = {A Divide-and-Conquer Approach for Global Orientation of Non-Watertight Scene-Level Point Clouds Using 0-1 Integer Optimization},
author = {Zhuodong Li and Fei Hou and Wencheng Wang and Xuequan Lu and Ying He},
journal= {arXiv preprint arXiv:2505.23469},
year = {2025}
}
备注
accepted to SIGGRAPH 2025