重新思考点云法线估计中三维曲面拟合的逼近误差
计算机视觉与模式识别
2023-03-31 v1
摘要
大多数现有的点云法线估计方法旨在局部拟合几何曲面并从拟合曲面计算法线。近来，基于学习的方法采用了预测逐点权重的流程来求解加权最小二乘曲面拟合问题。尽管取得了显著进展，这些方法忽视了拟合问题的逼近误差，导致拟合曲面不够精确。本文中，我们首先对曲面拟合问题中的逼近误差进行深入分析。然后，为缩小估计法线与精确法线之间的差距，我们提出两条基本设计原则：1) 应用 方向变换旋转局部面片，以获得逼近误差更低的更好曲面拟合；2) 将法线估计的误差建模为可学习项。我们使用深度神经网络实现这两条原则，并以即插即用的方式将其与最先进（SOTA）的法线估计方法集成。大量实验验证我们的方法为点云法线估计带来增益，并在合成与真实世界数据集上推进了 SOTA 性能的边界。
引用
@article{arxiv.2303.17167,
title = {Rethinking the Approximation Error in 3D Surface Fitting for Point Cloud Normal Estimation},
author = {Hang Du and Xuejun Yan and Jingjing Wang and Di Xie and Shiliang Pu},
journal= {arXiv preprint arXiv:2303.17167},
year = {2023}
}
备注
The first two authors contributed equally to this work. The source code are available at https://github.com/hikvision-research/3DVision. Accepted to CVPR 2023