基于图与 B 样条的点云曲面重建
计算机视觉与模式识别
2025-09-22 v1
摘要
从离散点云数据生成连续曲面是多个 3D 视觉应用中的一项基础任务。由于各种技术和环境因素，现实世界中的点云本质上带有噪声。现有的数据驱动曲面重建算法严重依赖真实法线，或计算近似法线作为中间步骤。这种依赖性使得它们在处理带噪声点云数据集时极其不可靠，即使保证了真实训练数据的可用性也是如此，而实际情况并非总是如此。B 样条重建技术提供了点云的紧凑曲面表示，并以其平滑特性而闻名。然而，使用 B 样条近似的曲面的复杂性直接受样条控制点的数量和位置的影响。现有的基于样条的建模方法为给定点云预测固定数量控制点的位置，这使得匹配其底层曲面的复杂性变得非常困难。在这项工作中，我们开发了一种基于字典引导图卷积网络的曲面重建策略，我们同时预测带噪声点云数据的控制点的位置和数量，以在不使用任何点法线的情况下生成平滑曲面。我们采用广泛使用的评估指标，将我们的重建方法与几种知名的以及近期的基线方法进行了比较，并证明我们的方法在定性和定量上均优于所有这些方法。
引用
@article{arxiv.2509.16050,
title = {Graph-based Point Cloud Surface Reconstruction using B-Splines},
author = {Stuti Pathak and Rhys G. Evans and Gunther Steenackers and Rudi Penne},
journal= {arXiv preprint arXiv:2509.16050},
year = {2025}
}