基于有向点集的三维重建PPT
图像处理及三维重建的综述课件
一是作为领导干部一定要树立正确的 权力观 和科学 的发展 观,权 力必须 为职工 群众谋 利益, 绝不能 为个人 或少数 人谋取 私利
1.问题的提出及其研究意义 2.国内外的研究现状 3.图像处理基本理论及方法 4. 三维重建基本理论及方法 5.参考文献
一是作为领导干部一定要树立正确的 权力观 和科学 的发展 观,权 力必须 为职工 群众谋 利益, 绝不能 为个人 或少数 人谋取 私利
3.图形处理基本理论及方法
要实现CT断层图像的三维重建,首先要对二维CT图像处 理,提高图片质量。由于医学cT图像本身就是一种数字图 像,数字图像处理的基本理论及方法也适用于CT图像。
本 章系统地介绍了第四章医学图像处理及三维重建软件开发 中所运用到的图像预处理、灰度图像二值化、图像增强、 图像分割等基本理论及相关的算法。
一是作为领导干部一定要树立正确的 权力观 和科学 的发展 观,权 力必须 为职工 群众谋 利益, 绝不能 为个人 或少数 人谋取 私利
3.2中值滤波
CT图像的形成中会引入不同的噪音,为了确保图像的质 量,需要去除噪音,中值滤波能够有效地去除尖峰信号, 削平振动噪音,而对阶梯或陡然下降信号却能很好地保 留,因此它既能有效地抑制噪音,又能很好地保留有效信 号。另外,中值滤波不需要做乘除运算,处理速度也较 高,因此非常适合于CT图像的平滑和去噪处理。中值滤
Байду номын сангаас
一是作为领导干部一定要树立正确的 权力观 和科学 的发展 观,权 力必须 为职工 群众谋 利益, 绝不能 为个人 或少数 人谋取 私利
3.1灰度图像二值化
灰度图像二值化的目的是对图像进行分割,对于CT图像 的分割,主要是骨组织和软组织的分割,而二者的灰度值 相差很大,所以可以采用阈值分割法将其分离出来。具体 的方法就是根据灰度图像的分布,选定一个灰度值作为标 准值,然后将图像矩阵中每像素的灰度值与标准阈值比 较,这样就将一幅灰度图像转化为一幅黑白二值图像,实 现关节软组织和骨主体边界轮廓的清晰区分实现图像分割
三维重建
三维重建主要目的:从图像出发,求出所有的Mi 摄像机标定:从图像出发,求出内参数K 摄像机定位或运动参数求解:从图像出发,求出运动参数
2019/11/21
3
• 三维重建
• 摄像机标定
• 摄像机运动参数的X确c 定 x
u
空间物体 Zc
v O1
y
图像坐标系
yw zw
MO
摄像机坐标系
Yc
xw
l
Im
o
e
l'
vLeabharlann a3 1 张量积曲面由两条曲线合成,可以认为是两曲线 的积:一条曲线以u为坐标,另一条以v为坐标.任 何平行于坐标轴的平面和张量积三次多项式曲面的 交线都是三次多项式曲线.
p(u, v) U T MV
2019/11/21
14
1.4 超二次曲面
• 具有参数的二次多项式,通过调整参数可以改变物体的形
2019/11/21
9
多边形网面数据结构
• 顶点坐标表示 各个平面表示为顶点三维坐标的集合 问题:顶点重复出现.
• 顶点序列表示 顶点按序编号,平面中顶点用编号表示 问题:边重复出现,且不能明显表示相邻平面的边界.
2019/11/21
10
• 多边形表表示
2019/11/21
11
多边形网面表例
2019/11/21
2019/11/21
16
2.1 三角形面插值
1. 对于图像中一点(i,j),计算其图像平
面坐标:
m 1 xj j 2
yi
i
n 1 2
2.获得深度图中包含该点的三个非共线的点 3.计算三点所对应的平面 4.确定(i,j)在该平面上的深度值
三维重建技术
999998976669999 888898865457769 766788765357769 765666655345678 766555543454579 976545544565569 886556665566679 887556965567889 999666996788999
Regular Grid
Marching Cubes算法描述
• Cube具有旋转(Rotation)对称性,旋转 不影响等值面的拓扑结构
• 另外,所有的Inside变为Outside,同时所 有的Outside变为Inside,则等值面的连接 方式也不会改变(Invertion对称)
Marching Cubes算法描述
• 考虑到Rotation和Invertion对称两种情况后,可 以用15种Basic Cube来覆盖所有256种可能的情 况
• 由这15种Basic Cube可以很容易地构造出长度为 256的查找表
Results
• Brain data set
Marching Cubes算法总结
• 选择一个单元 • 计算该单元每个顶点的内/外状态 • 生成每个顶点二进制状态的编码索引值 • 用该索引值查构型表得到所需的拓扑状态 • 用内插计算构型表中每边的轮廓位置
一个单元的构型
• 一个单元有4个顶点。每两个顶点连接成一 条边
• 选取一个灰度阈值G,根据各顶点的灰度与G 的关系,将顶点分为两类,分别用白点(0) 和红点(1)表示
• 如果某一条边的两个顶点颜色相同,该边 上不存在边缘点,否则,在此边上必有一 个边缘点
一个单元的构型
• 用直线将不同边上的边缘点连接起来,这 些连接线将正方形分割为两或三部分
面显示的例子(骨骼)
三维重建过程ppt课件
稠密点云的网格化
通过上面的步骤可以得到基于图像的三维点云,但要对空间物体的 表面信息进行重构,需要对三维点云进行三角剖分。
三角剖分的方法:
(1)平面投影法方法
采用投影映射的方法,将三维点云投影到二维平面上,接着对投影后的 二维点进行三角剖分,然后将二维剖分关系传递给三维点云的三角剖分。。
(2)直接剖分法方法 三角剖分所给点集R,保留原始点云的拓扑结构,实际上是
特征点匹配方法:
(1)NCC特征匹配
归一化互相关(normalizes cross correlation)方法的优点是它可以抵抗 全局的亮度变化和对比度变化,并且速度快。
缺点是:(a)不抗图像缩放。(b)不抗大的视角的变化。(c)当初始匹配点的 错误匹配率高于 40%的时候以上两种方法失效。
(2)SIFT特征匹配
相机标定
相机标定就是求出相机的内部参数,最终得到内参数矩阵K。
相机标定的方法:
(1)Tsai的两步标定方法
其主要思想是首先利用透视变换原理线性求解出一些相机参数,接着把 求得的这些参数作为非线性优化算法的初始值,只考虑相机的径向畸变,通 过优化算法求解其余参数,从而相对于线性标定方法提高了标定的精度。
主要思想是用特征点的 16×16 的邻域计算该邻域的每个点的梯度。然 后将 16×16 的区域划分为 4×4 的小区域,每个小区域的点向 8 个方向投影。 这样总共可以得到 4×4×8=128 维的特征向量描述符。特征点的匹配首先需 要将特征点旋转到它的主方向上,然后计算匹配点的 128 维特征描述符的欧 式距离。距离最小的匹配点为正确匹配点。
椒盐噪声过滤算法:GA-BP神经网络噪声检测的自适应滤波算法。 遗传算法:Genetic Algorithm GA 反向传播神经网络:Back BP BP
《CT三维重建》PPT课件
2021/6/10
15
MPR or CPR
让三维体元数据分别绕X、Y、Z轴旋转任意角度,再 用任意平面截取,或划一曲面线,以曲面线所确定的柱 面来截取新层面,构成多平面重组或曲面重组。
优点:①能以任何方位、角度、层厚、层数自由重 组新的断面图像;②重组图像可反映X线衰减值的差异, 当血管显示不清尤其有价值;③操作方便。
8、MRA ( TOF) 和( PC) 两种技术、二维(2D) 和三维(3D) 图像重建,3D - TOF 的图像分辨率较高,对血管的搏 动敏感性较差,对供血动脉较粗、血流速度快。而复 杂血管,例如动静脉畸形的检查较为理想;3D - PC 技 术,特别在血管畸形有明显出血的时候为最佳检查方 法。但是3D - PC 因需反复预测最佳血液流速,成像时 间长,临床应用较少。
小血管易产生狭窄、梗阻假象,轻-中度狭窄不易鉴别。
2021/6/10
21
SSD
2021/6/10
22
VR
给不同CT值指定不同的颜色和透明度, 则三维体元阵列视为半透明的,假想投射光 线以任意给定的角度穿过它,受到经过的体 元作用,通过观察平面得到图像。
优点:丢失信息最少,立体感强。 缺点:①操作选择适宜的CT值分类重要, 需要人机交互动态进行;②运算量大,需要 大容量计算机。
血管畸形:静脉型(海面状血管畸形、静脉畸形)
淋巴管型(淋巴管瘤、囊性水肿)
毛细血管型
动静脉型(动静脉畸形、动静脉瘘)
混合型
3、不足:海面状血管畸形及静脉畸形形态学及生物学不同
没有动脉型血管畸形一类
淋巴管型畸形不见于CNS
2021/6/10
3
Russell分类
1、病理解剖为基础,20年沿用 2、分类:动静脉畸形
三维重建技术PPT
• 表面遮盖显示(SSD)
计算物体表面的CT域值成像
• 最大密度投影(MIP)
体积→数学线束透视→最大密度值→投影在平面上
• 曲面重建(CPR)
计算指定平面的CT值→二维图像
头部三ห้องสมุดไป่ตู้成像
头部三维骨成像
三下肢畸形平片
三下肢畸形CT三维表面成像
腹主动脉假性动脉瘤横断扫描
腹主动脉假性动脉瘤(MPR)
利 用
内
镜
→
SSD→
器
CT仿真内窥镜
电子内窥镜
螺旋CT 仿真内窥镜发现结肠息肉
结肠癌
腹主动脉CT 仿真内窥镜
冠状动脉CT及CT内窥镜
螺旋CT 的齿科应用
螺旋CT 的齿科应用
鼻骨骨折
腹主动脉硬化并假性动脉瘤(MIP)
腹主动脉假性动脉瘤(SSD)
腹主动脉假性动脉瘤剖面(SSD)
颈内动脉瘤 横断扫描
颈内动脉瘤(SSD)
夹层动脉瘤
夹层动脉瘤
心脏三维成像
表面三维成像
→
CT
官仿
真 内
表 面
多内
窥 幅
连 放
类镜
似 纤 维
正常鼻骨
结肠癌
肺癌(黄色)和纵隔淋巴结(绿色)转移
三维重建模拟手术
CT功能成像Perfusion
转移瘤
动脉期
静脉期
平衡期
脑 梗 塞
脑 梗 塞
Perfusion
最新CT三维重建-(NXPowerLite)课件PPT
5、MRA 显示血管畸形的供血动脉、畸形血管团的大小和范 围、引流静脉的类型和引流部位等。
6、MRI 与MRA 结合更能够清晰显示脑血管畸形的解剖结构 和病理变化。
7、动静脉畸形、动静脉瘘、静脉瘤和静脉曲张适合MRA 检 查。海绵状血管瘤无明显增粗的供血动脉和引流静脉,瘤 内血流极其缓慢,仅能在常规MRI 中显示。毛细血管扩张 症MRI 和MRA 均不能显示。常规MRI 检查根据血管畸形 所致的流空现象,可以显示隐匿性血管畸形。
供血动脉与引流静脉之间的关系,但是创伤性检 查,并有一定危险性,严重的可导致死亡。 3、CT 缺乏特征性,显示病灶的继发性改变,例如 钙化、出血、脑梗塞、萎缩及软化等较好,对异 常供血动脉及引流静脉不能显示。增强CT显示畸 形的血管,有不同程度的创伤,少数可能出现过 敏反应,有一定的危险性。
MR在血管畸形诊断中应用
CT容积扫描数据X、Y轴分辨率高,Z轴分辨率低。 三维重建必须在相邻层面间插入假想层面,使Z轴方 向与X、Y轴方向等间隔,形成三维立方的体元(Voxel), 插入的像素值用插值法计算得出(常用线性插值)。每 个体元可以从﹣1024~﹢3071HU。这样可完成三维重建 方式,得出在二维屏幕上表达三维结构。
动静脉分流型畸形 典型的脑(软脑膜)动静脉畸形 软脑膜动静脉瘘 颈动脉海绵窦瘘 硬脑膜动静脉窦瘘(硬脑膜动静脉畸形) Galen动静脉畸形(Galen动静脉瘘)
混合型畸形 静脉-海绵型畸形 动静脉型-静脉型畸形 海绵型-动静脉畸形
综合征型CNS血管畸形 (特殊类别)
血管畸形诊断检查方法
1、DSA、CT、MR ,有其优缺点。 2、DSA是最可靠的方法,可以直接显示异常血管、
最新ct图像处理及三维重建的综述PPT课件
4.三维重建基本理论及方法
由一系列二维CT断层图像上的轮廓线重构三维形体, 即医学图像的三维重建实质上个三维数据的生成及显示的 可视化问题。三维重建技术能充分利用CT、MR工等医学
图 像数据。
医学图象的三维重建就是根据输入的断层图象序列, 经分割和提取后,构建出待建组织的三维几何表达,这种 三维几何表达的模型最常用的就是表面模型。表面模型一 般以平面片特别是三角面片来逼近表示,对于封闭的表
3.1灰度图像二值化
灰度图像二值化的目的是对图像进行分割,对于CT图像 的分割,主要是骨组织和软组织的分割,而二者的灰度值 相差很大,所以可以采用阈值分割法将其分离出来。具体 的方法就是根据灰度图像的分布,选定一个灰度值作为标 准值,然后将图像矩阵中每像素的灰度值与标准阈值比 较,这样就将一幅灰度图像转化为一幅黑白二值图像,实 现关节软组织和骨主体边界轮廓的清晰区分实现图像分割
Visible Human to patient-specific CT data
[J].Computerize Medieal Imaging and GraPhics,2000,24. [26] Lee T.Y.,Weng T.L.,Lin C.H.,Sun Y.N. Interactive Voxel Surface rendering in medical Applications [J]. Computerized Medieal Imagine and Graphies,1999,23. [27] Salvolini L,Seeehi EB,Costarelli L et al. Clinieal aPplications of 2D and 3D CT imaging of
3.图形处理基本理论及方法
三维点云的重建与匹配ppt课件
4
实验结果
Vestibulum ante ipsum primis in faucibus orci luctus et ultrices Vestibulum ante ipsum primis in faucibus orci luctus et ultrices
3 相关背景:
随着数字城市不断向前发展,大规模三维数据采集技术迅速提 升,可以通过激光原理、摄影测量原理等方式产生多种Ve点stibu云lum a数nte i据psum。 在实际获取三维点云时考虑到测量设备、测量范围的限panri制tmeiispisn以uVmespt及ribimulius被min 测 物体外形的复杂性等,每次扫描只能获取当前视点下的faanu点tceibipus云suomrcpi,erismtibis其uilnum坐 标是相对于当前的仪器坐标系而言的,要得到被测物体foaruc完ci ibu整s orca的ucib三us 维 模型,需要从不同的视点对被测物体进行扫描,并将不同视点获取 的三维点云进行配准。
14 ICP算法配准结果
15 ICP算法配准结果
16 ICP算法配准结果
17 ICP算法配准结果
THANK YOU
11 ICP算法原理
ICP算法的基本原理是:分别在带匹配的目标点云P和源点云Q中, 按照一定的约束条件,找到最邻近点(pi,qi),然后计算出最优 匹配参数R和t,使得误差函数最小。误差函数为E(R,t)为:
其中n为最邻近点对的个数,pi为目标点云 P 中的一点,qi 为源 点云 Q 中与pi 对应的最近点,R 为旋转矩阵,t 为平移向量。
3
点云配准
Vestibulum ante ipsum primis in faucibus orci luctus et ultrices Vestibulum ante ipsum primis in faucibus orci luctus et ultrices
医学图像的处理及三维重建 PPT课件
伦琴发现X射线
医学图像的分类
根据成像设备是对组织结构成像还是对组 织功能成像,将医学图像分成两类,即医 学结构图像和医学功能图像。 医学结构图像:X线图像、CT图像、MRI 图像、B超图像等 医学功能图像:PET图像,SPECT图像、 功能磁共振图像(fMRI)等
CT成像设备
CT图像
MRI成像设备
PET图像
医学图像处理的研究内容
医学图像处理的主要研究内容有:图像 增强、图像复原、图像分割、图像重建、 图像的配准与融合等。
三维重建(3D reconstruction)
三维重建的定义 ●三维重建的研究意义 ●三维重建的方法 ●颅脑的三维重建
三维重建的定义
医学图像三维重建是研究由各种医学成像 设备获取的二维图像断层序列构建组织或 器官的三维几何模型,并在计算机屏幕上
表面曲面表示法经典的算法: 立方块法(Cuberille), 移动立方体法(Marching Cubes), 剖分立方体法(Dividing Cubes)等
面绘制示例
面绘制步骤
重建数据的采集 边界轮廓曲线表面绘制 设置图像的颜色及阴影效果 设置图像光照效果 设置图像的显示效果
面绘制显示
医学图像的处理及 三维重建
Processing of medical images and 3D reconstruction
பைடு நூலகம்
医学图像处理
(Processing of medical images )
医学影像技术的发展
● 医学图像处理的目的
● 医学图像处理的研究内 容
精品资料
• 你怎么称呼老师?
面绘制的方法
边界轮廓线表示法:首先通过分割对二维断 层图像提取轮廓线,然后把各层对应的轮廓 线拼接在一起表示感兴趣物体的表面边界。
建筑物三维模型重建的方法与实现PPT课件
第23页/共28页
纹理修补
➢ 改进方法流程图
开始
滤波
图像分割
确定最大优 先权的修补块
退出
是否
' ?
邻域搜索 分段填充
重新分段
提取填充 新的边缘 '
更新自信度
第24页/共28页
纹理修补
➢ 基于多幅图像的纹理修补方法
第25页/共28页
一、研究背景 二、建筑物表面的数据获取 三、建筑物初始模型的建立 四、建筑物三角网格化简 五、纹理修补技术 六、总结
第2页/共28页
研究背景
➢建筑物三维模型重建
• 基于图片 • 基于激光扫描数据
第3页/共28页
一、课题研究背景 二、建筑物表面的数据获取 三、建筑物初始模型的建立 四、建筑物三角网格化简 五、目标物体移除与纹理修补技术 六、总结
第4页/共28页
数据获取系统
➢ 系统的组成:
• 激光扫描仪 (1)横向:系统相对定位数
第26页/共28页
网格化简精度有待提高
第27页/共28页
贴图实现自动化
谢谢您的观看!
第28页/共28页
中,限制狭长三角形的产生,避免模型视觉特征的急剧改变。改进后局部 特征得到很好的保留,并且网格数目可缩小到4020个。
CollapseCost(u,v) (v) uv avg _ angle
avg
_
angle
iTu Tuv
(max_
angle(i
)
min_
angle(i
))
n
第19页/共28页
一、研究背景 二、建筑物表面的数据获取 三、建筑物初始模型的建立 四、建筑物三角网格化简 五、纹理修补技术 六、总结
三维重建基础原理
应用领域概述应用领域概述应用领域概述应用领域概述原型设计虚拟现实机械手臂辅助驾驶定位与追踪如何三维重建?人工,软件等方法慢慢磨(那是相当的慢啊)如何三维重建?激光雷达等获取深度与3维信息(这个可贼拉贵)如何三维重建?使用各个视角图像进行三维重建(这个便宜还容易)相机成像这件事有几百年了!为啥需要小孔成像?没有小孔,同一点会落很多整体概述:(Truncated Signed Distance Function)f就是焦距,o就是光圈;右图为光圈大小对清晰度的影响相机坐标系与像平面坐标系空间点p在图像中哪呢?要得到其映射关系(通过相似三角形,将摄像机坐标系P->像平面坐标系p’)像素坐标系注意偏置(像素不是以中心开始) (看你设备咋样0.01m/像素)注意还需要转换单位:线性?对应关系是线性的?(例如两个坐标系X的对应,其中α固定,但是Z呢?)(X变了,Z大概率也变了)如何解决这个问题呢?(如果非线性的,那就很难转换了)使用齐次坐标来完成这个任务齐次坐标齐次坐标变换:其实就是增加一个维度,欧氏空间->齐次空间在变换回来:坐标转换齐次坐标中的转换(就是为了得到变换矩阵,且这个矩阵是不变的)摄像机内参K表示空间点到图像中的对应关系相机本身参数,固定的后续项目中数据集会给出内参也是三维重建中必须知道的一个指标任何定义物体的位置呢?你往左,我往右会撞上吗?这个就需要世界坐标系了来捋一捋咱们现在有3个坐标系了现在还得想办法怎么转换世界坐标世界坐标系与相机坐标系世界->相机,需要一个旋转平移矩阵:其中R是3*3矩阵,T是3*1矩阵(X,Y,Z三个方向),RT就是摄像机位姿坐标系变换像素与世界坐标系的关系(其实需要我们知道内外参就可以映射)像素坐标系->相机坐标系->世界坐标系的对应:相机标定要做一件什么事呢?就是求解相机的内外参数那你就得告诉我像素坐标和世界坐标,才能求解中间的参数相机标定就是利用多组对应位置,如上图,来求解相机内外参数的过程相机标定商汤:NeuralRecon矛盾点:落地所需的设备高端的食材咋地都好吃但很多应用要集成到普通摄像头中NeuralRecon就是单目解决方案传统任务流程输入序列选择,深度估计,点云,融合你能确定每一步都做的准嘛?可能遇到的问题深度估计结果尺度不一致:各自为政,想玩到一块不容易重复的计算非常多,输入序列中肯定很多位置重复了每个位置都要取计算它的深度信息,速度大打折扣NeuralRecon要做的事一句话总结就是:擒贼先擒王,省略掉中间过程,直接预测想要的中间过程就相当于深度信息,点云信息等统统不需要,直接输出结果那中间的事谁管呢?爱谁谁吧,交给神经网络就得了既不用高端设备,也不计算中间结果,直接End2End的一个框架整体框架1.关键帧选择;2.输入序列(9张图);3.片段重建;4.全局合成核心就是中间的网络,如何利用图像信息估计TSDF值NeuralRecon框架核心就是特征映射,如何将图像中的特征映射到重建的结果上其实就是通过相机的内外参将像素坐标系与世界坐标系对应映射细节例如输入特征图:40*40*80体素一共有1W个小方块(可以自己设置)映射方法:平均的意思就是1W的小块中可能每一个对应不同图像(例如9个)的特征,那就求个平均直接预测的优势不需要中间结果看来更平滑稳定更大的优势就是简单方便,一步搞定;(要把大象放冰箱里,第一步。
三维技术基础与艺术欣赏第4章三维重建技术[可修改版ppt]
用经验知识。 多视图的三维重建(类似人的双目定位)相对比
较容易,其方法是先对摄像机进行标定, 即 计算出摄像机的图象坐标系与世界坐标系的关 系。然后利用多个二维图象中的信息重建出三 维信息。
11步骤
(5)三维重建:有了比较精确的匹配结果,结合摄像机标定的内 外参数,就可以恢复出三维场景信息。由于三维重建精度受匹 配精度,摄像机的内外参数误差等因素的影响,因此首先需要 做好前面几个步骤的工作,使得各个环节的精度高,误差小, 这样才能设计出一个比较精确的立体视觉系统。
13
第4章三维重建技术
• 基于图象的三维重建软件 ① 3DmeNow
18
第4章三维重建技术
• 基于图象的三维重建应用 影视与娱乐:数字化三维模型,能够给电影
和视频游戏提供丰富素材。
19
第4章三维重建技术
• 基于图象的三维重建应用
20
第4章三维重建技术
• 基于图象的三维重建应用
22届国际体博会上,由 深圳泰山在线科技公司 研发的首款三维体感互 动游戏——
i-dong地鼠
龙形纹理门框的局部重建图
24
第4章三维重建技术
• 基于图象的三维重建应用
新疆米兰古城三维重建图 25
(1) 图象获取:在进行图象处理之前,先要用摄像机获取三维物体的 二维图象。光照条件、相机的几何特性等对后续的图象处理造成很大 的影响。
(2)摄像机标定:通过摄像机标定来建立有效的成像模型,求解出摄像 机的内外参数,这样就可以结合图象的匹配结果得到空间中的三维点 坐标,从而达到进行三维重建的目的。
(3)特征提取:特征主要包括特征点、特征线和区域。大多数情况下都 是以特征点为匹配基元,特征点以何种形式提取与用何种匹配策略紧 密联系。因此在进行特征点的提取时需要先确定用哪种匹配方法。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Algorithm Implementation
• Efficiency:
We show that the computation of the Fourier coefficients is actually a convolution, reducing the reconstruction complexity: O(R5) → O(R3logR).
1 V (x , y , z ) 0 if (x , y , z ) V otherw ise
V
V 1
V 0
Reduction to Volume Integration (Step 2)
Fourier Coefficients: The Fourier coefficients of the characteristic function give an expression of V as a sum of complex exponentials:
• Approach • Results
Resolution Sample Count Non-Uniformity Related Work
• Conclusion
Results (Resolution)
100,000 Points
100,000 Points
100,000 Points
2. Surface Fitting
Terzopoulos et al., 1991 Chen et al., 1995
3. Implicit Function Fitting
Hoppe et al., 1992 Whitaker, 1998 Davis et al., 2002 Turk et al., 2004 Curless et al., 1996 Carr et al., 2001 Ohtake et al., 2004 Shen et al., 2004
ˆV (l , m , n ) Flmn (p i ),ni
i 1 k
• •
Apply the inverse Fourier Transform to obtain the characteristic function. Extract the reconstruction an iso-surface of the characteristic function
Equivalence of Representations
There are many ways to represent a shape:
• • • • Point Set Polygon Soup Polygonal Mesh Solid Model
In one direction, the transition between representations is straight-forward The challenge is to transition in the other direction
Related Work
3. Implicit Function Fitting
Use the point samples to define an function whose values at the sample positions are zero.
<0
0
Sample Points
F(x,y)
•
Non-Uniformity:
We provide a simple heuristic for assigning weights to samples that may be non-uniformly distributed.
Outline
• Introduction
• Related Work
ˆV (l , m , n )
[ 0 ,1]3 2i lx my nz ( x , y , z ) e dxdydz V
e 2i lx my nz dxdydz
V
since the characteristic function is one inside of V and zero everywhere else.
Original Model 871,000 Triangles
Simplified Model 95,000 Triangles
Related Work
Three general approaches:
1. Computational Geometry
Boissonnat, 1984 Amenta et al., 1998 Edelsbrunner, 1984 Dey et al., 2003
•
•
Related Work
Approach
The Divergence Theorem Reduction to Volume Integration Implementation
• •
Results Conclusion
Divergence Theorem
Given a vector field F and a region V: The volume integral of F over V and the surface integral of F over V are equal: F (p ) dp F (p ),n (p ) dp
• Surface Blending
• Hole-Filling
• Compression
Geometry + Topology Representation
Geometry Representation
Applications
• Surface Blending
• Hole-Filling
• Compression • Simplification
>0
Related Work
3. Implicit Function Fitting
Use the point samples to define an function whose values at the sample positions are zero. Extract the iso-surface with iso-value equal to zero.
Reconstruction of Solid Models from Oriented Point Sets
Misha Kazhdan
Johns Hopkins University
Shape Spectrum
There are many ways to represent a shape:
• • • • Point Set Polygon Soup Polygonal Mesh Solid Model
?
Equivalence of Representations
There are many ways to represent a shape:
• • • • Point Set Polygon Soup Polygonal Mesh Solid Model
The goal of this work is to define a method for computing solid models from oriented point sets.
Applications
• Surface Blending
Disjoint Model
“Zippered” Model
Applications
• ole-Filling
Model with Hole
Water-Tight Model
Applications
Applying the Divergence Theorem
Surface Integration If Flmn(x,y,z) is any function whose divergence is equal to the (l,m,n)-th complex exponential:
F (x , y , z ) e
lmn
2i lx my nz
applying the Divergence Theorem, the volume integral can be expressed as a surface integral:
e V
2i lx my nz
dxdydz
V
F lmn ( p ), n ( p ) dp
V (x , y , z )
l ,m ,n i (lx my nz ) ˆ ( l , m , n ) e V
Reduction to Volume Integration (Step 3)
Volume Integration: The Fourier coefficients of the characteristic function V can be obtained by integrating:
Reconstruction Algorithm
Given an oriented point sample {(pi,ni)}: • Compute a Monte-Carlo approximation of the Fourier coefficients of the characteristic function:
Equivalence of Representations
There are many ways to represent a shape: