三维动画报告.doc

Floating Scale Surface Reconstruction 浮动尺度表面重建 摘要 从现实世界的几何对象或场景获得的任何样本点代表一个有限的表面积区域和不只是一个单一的表面点。因此，样本具有固有尺度和非常有价值的信息，对于高质量的重建非常重要。我们介绍了一种从导向面重建的新方法，使尺度化采样点曲面重建，运行在大且过剩的，有潜在噪声的点集合。该方案将应用一个简单且有效的数学公式来构造一个隐函数的的紧支撑基函数总和。隐函数具有空间上连续的“浮动”的刻度和在没有任何预处理可容易地进行评价。最后面被提取为隐函数的零水平集。方法主要特性之一是，对于复杂的混合尺度数据集它几乎是无参数的。此外，我们的方法实现很容易，可扩展，并且不需要任何全局操作。我们在广泛的数据集上评估我们的方法，与经典算法和流行的时下算法相比，丝毫不逊色。 ???键字：表面重建 Abstrct Any sampled point acquired from a real-world geometric object or scene represents a finite surface area and not just a single surface point. Samples therefore have an inherent scale, very valuable information that has been crucial for high quality reconstructions. We introduce a new method for surface reconstruction from oriented, scale-enabled sample points which operates on large, redundant and potentially noisy point sets. The approach draws upon a simple yet efficient mathematical formulation to construct an implicit function as the sum of compactly supported basis functions. The implicit function has spatially continuous “floating” scale and can be readily evaluated without any preprocessing. The final surface is extracted as the zero-level set of the implicit function. One of the key properties of the approach is that it is virtually parameter-free even for complex, mixed-scale datasets. In addition, our method is easy to implement, scalable and does not require any global operations. We evaluate our method on a wide range of datasets for which it compares favorably to popular classic and current methods. CR Categories: I.3.5 [Computer Graphics]: Computational Geometry and Object Modeling—Geometric algorithms, languages, and systems Keywords: Surface Reconstruction 概述 用采样数据进行表面重建是计算机图形学的一个长期而广泛的研究课题。因此，存在一批广泛而不同具有优点和缺点范围的方法。众所周知的例子VRIP [Curless and Levoy 1996]，高效且可扩展的方法可用来创建高质量模型。由于这些性能，他被广泛用于数字米开朗基罗项目 [Levoy et al. 2000]，用于合并捕获范围图像。从那时起发展出许多新技术，例如使用更先进的数学概念，能够比较平滑地插入孔，或者采用分层技术。然而，这些技术的出现，往往效率有限，存在可扩展性问题或质量问题。此外，他们经常地把重建从实际样本采集过程中分离出来。 在本文我们的目标是提出一种方法，能够有效地从采集样本数据重建高质量网格，即使