应用于三维物体分析与识别的数字曲率：案例研究

在本文中，我们提出在数字空间中使用曲率进行三维物体分析与识别。由于直接邻接在局部配置中仅有六种类型的数字表面点，因此很容易确定和分类三维物体边界上每个点的离散曲率。与边界单纯形分解（三角剖分）不同，曲率可以取任何实数值。这有时会给寻找合适的阈值带来困难。本文侧重于对小区域曲率进行分类的全局特性。我们将数字高斯曲率和数字平均曲率都用于三维形状。本文提出了一种用于三维物体分析的多尺度方法和一种用于三维相似性分类的向量方法。我们将这些方法用于人脸识别和形状分类。我们发现，高斯曲率主要描述全局特征和平均特征，例如人脸的五个区域。然而，平均曲率可用于寻找局部特征和极值点，例如三维面部数据中的鼻子。