一种基于 PCA 的不完整点云曲面重建模型
计算机视觉与模式识别
2025-12-09 v2
摘要
点云数据代表了数学建模中的一类关键信息，而基于此类数据的曲面重建是跨学科的重要任务。然而，在扫描过程中，由于高光吸收率和遮挡等因素，采集到的点云数据可能无法覆盖整个表面，导致数据集不完整。推断数据缺失区域的曲面结构并成功重建曲面是一项挑战。本文提出了一种基于主成分分析 (PCA) 的模型，用于从不完整的点云数据进行曲面重建。首先，我们利用 PCA 从可用的点云数据中估计潜在曲面的法线信息。该估计的法线信息在我们的模型中作为正则化项，指导曲面的重建，尤其是在数据缺失区域。此外，我们引入了一种算子分裂方法来有效求解所提出的模型。通过系统的实验，我们证明了我们的模型能够成功推断数据缺失区域的曲面结构，并良好地重建潜在曲面，优于现有方法。
引用
@article{arxiv.2509.15675,
title = {A PCA Based Model for Surface Reconstruction from Incomplete Point Clouds},
author = {Hao Liu},
journal= {arXiv preprint arXiv:2509.15675},
year = {2025}
}