从部分点云生成深度图像用于3D CAD模型基于视图的形状检索的方法

激光扫描仪可轻易以点的形式获取物理环境的几何数据。从点云中识别物体常常是工业3D重建所需，其不仅应包含几何信息，还应包含语义信息。然而，识别过程往往是3D重建的瓶颈，因为它需要领域知识的专业知识和密集劳动。为解决此问题，已开发各种方法通过从输入几何查询在数据库中检索对应模型来识别物体。近年来，将几何数据转换为图像并应用基于视图的3D形状检索的技术已展现出高准确率。将深度值编码为像素亮度的深度图像常用于基于视图的3D形状检索。然而，由于遮挡和视线的限制，从物体采集的几何数据常不完整。由被遮挡点云生成的图像因信息丢失而降低了基于视图的3D物体检索性能。本文提出一种用于从点云查询进行基于视图的3D形状检索的视点与图像分辨率估计方法。提出通过从采样视点和图像分辨率计算数据采集率与密度来自动选择视点与图像分辨率。对所提方法生成图像的检索性能进行了实验，并与不同数据集进行比较。此外，使用深度卷积神经网络基于所提方法进行基于视图的3D形状检索性能实验。