点云模型骨架提取(ROSA)-liyc

1、内容纲要研究背景核心工作实验结果内容总结研究目标本选题研究点云模型的骨架提取算法，希望对含冗余、噪声及 数据缺失的原始点云模型提取较为完整的模型骨架3选题理由1）随着点云数据获取技术的飞速发展，点云成为计算机图形学、计算机视觉等学科的研究热点.CMOS color sensor one microphonestatus LED (for RGB imaging)(downward facing)IR light CMOS IRsourceused for 3Dsensordepth sensingtlucc microphones (downward facing)Stanford Digit

2、al Michelangelo ProjectMicrosoft Kinect(Real time Point Cloud) 4选题理由2）模型骨架广泛应用于形状分解、模型匹配、模型动画，数字导航及医学图像等领域.H. Sundar et al 2003Yotam Livny et al, SIGGRAPH ASIA 2010Q. Zheng et al, EG 2010.Dennie Reniers et al, IEEE SMA 2007选题理由3）现有点云模型骨架提取算法不多，同时对输入模型的孔洞和噪声较为敏感.含有孔洞的模型研究现状77Dey et al. ESGP 2006.(c-l

3、) I xcan.(c-2) 2 scans.c-3) 3 scans.(c-5) 5 scant.Andrea Tagliasacchi et al. Siggraph 2008.7Junjie Cao et al. IEEE SMA 2010 .Yotam Livny et al. SIGGRAPH ASIA 20107答辩内容纲要研究背景核心工作实验结果内容总结核心工作1）模型去噪：去除点云中的噪声点和离群点，防止对后续的骨 架提取造成干扰2）模型精简：去除点云中的冗余数据，提高骨架提取速度.3）骨架提取:对于去除噪声和冗余的点云模型，利用点云的离散信息提取出模型的一维线骨架.9点云模型

4、的预处理1）点云模型去噪构造类似于均值漂移方法的光顺迭代算子Ohtake2005对点云模型进行光顺去噪.含有噪声模型去噪后模型11点云模型的预处理2）点云模型精简提出一种基于二次误差度量问xn997啲自适应点云简化方法.点云模型的预处理点云模型的预处理1基于曲率信息提取特征点SwgH.2009,防止几何特征的丢失.2.通过构造曲率自适应覆盖球Ohtake2005,对非特征点进行简化.点云模型的预处理点云模型的预处理点云精简算法流程11点云模型的预处理2)点云精简性能分析12点云模型的预处理#点云模型的预处理输入模型犬小(*1000)右：同一输入模型(Igea)不同简化率的时间效率左：同一简化率

5、(90%)不同输入模型的时间效率13点云模型的预处理2）点云精简性能分析模型输入点数输出点数简化时间本文文献12文献13本文文献12文献13Bunny359474562440245492.60.560.78Igea13434591999144938410.44.058.92表1本文算法与相关算法简化性能的对比模型最大误差平均误差均方根误差本文文献12文献13本文文献12文献13本文文献12文献13Bunny0.0037630.0861690.1126490.0001760.0050090.0054950.0002520.0076600.009081Igea0.0001240.0002240.0

6、007210.0000130.0000110.0000300.0000100.0000170.000054表2本文算法与相关算法的简化误差对比15点云模型骨架提取16点云模型骨架提取: 夕口 ： /: ：z/zzzzzzzz /%.% - ;“ ./:、” -舲.- # /丈莎敦辽记富竣玄怎壮# /、牌也骨架提取流程17点云模型骨架提取1）点云模型分割基于K均值模糊聚类对点云模型进行分割脚玄2007,防止模型多点云模型骨架提取点云模型骨架提取分枝间的相互干扰.点云模型骨架提取1）点云模型分割1 本文采用测地距离作为聚类的相似性度量Joshua B T 2000.2.确定初始聚类中心KhouYN

7、 20045并进行优化Xie XL 1996.3.基于K均值模糊聚类对点云模型进行有意义的分割盹2007.点云模型骨架提取17点云模型骨架提取2）粗骨架提取将骨架看做点云模型的广义旋转对称轴Andrea2009b提取各分支 的粗骨架.左，为骨架点位置定义.右，为骨架点方向定义18点云模型骨架提取2）粗骨架提取将骨架看做点云模型的广义旋转对称轴Andrea2009,提取各分支的粗骨架.利用法向信息对缺失点云进行弥补，从而保证骨架点的有效性.2）粗骨架提取将骨架看做点云模型的广义旋转对称轴Andrea2009L提取各分支 的粗骨架.22点云模型骨架提取#点云模型骨架提取込送妥茫农泾丸念.-& I:

8、/.-:-:卫 2帰.-.I:!.-；I y: .T-Jir 二匚：I ” “ 二：.：二.二;:;粗骨架提取分割结果输入点云#点云模型骨架提取23点云模型骨架提取2）粗骨架连接采用拉普拉斯光顺处理，使各分支粗骨架连接成整体.粗骨架提取粗骨架连接分割结果2）粗骨架细化构造滤波器希J 1986对提取的粗骨架进行细化.粗骨架提取粗骨架连接滤波细化二次中心化下采样25实验结果（点云模型骨架提取结果）完整点云:缺失点云实验结果（点云模型骨架提取结果）完整点云缺失点云28实验结果（点云模型骨架提取结果）多种姿态的Armadillo模型骨架提取结果29多种姿态的Armadillo模型骨架提取结果#多种姿态的Armadillo模型骨架提取结果#内容总结711本文的点云骨架提取方法旨在从算法的鲁棒性角度入手，较为复杂的，含有噪 声和数据缺失的点云模型提取较为完整的曲线骨架.针对该问题，本文所做 的主要工作如下:1）点云模型预处理基于文献Garland 2007本文提