[論文レビュー] Curve Networks for Surface Reconstruction

Yuanhao Cao, Liangliang Nan+1 more|arXiv (Cornell University)|Mar 29, 2016

3D Shape Modeling and Analysis参考文献 26被引用数 5

ひとこと要約

本稿では、ノイズが多く不完全な点群から曲線ネットワークを抽出するフレームワークを提示する。曲線特徴を検出・最適化し、ユーザーによるガイド付きインターフェースを用いて欠損領域を補完することで、従来手法と比較して部分的なデータでも表面再構築の品質を著しく向上させる。

ABSTRACT

Man-made objects usually exhibit descriptive curved features (i.e., curve networks). The curve network of an object conveys its high-level geometric and topological structure. We present a framework for extracting feature curve networks from unstructured point cloud data. Our framework first generates a set of initial curved segments fitting highly curved regions. We then optimize these curved segments to respect both data fitting and structural regularities. Finally, the optimized curved segments are extended and connected into curve networks using a clustering method. To facilitate effectiveness in case of severe missing data and to resolve ambiguities, we develop a user interface for completing the curve networks. Experiments on various imperfect point cloud data validate the effectiveness of our curve network extraction framework. We demonstrate the usefulness of the extracted curve networks for surface reconstruction from incomplete point clouds.

研究の動機と目的

• 従来の手法が鋭い特徴を保持できない、不完全でノイズの多い点群からの表面再構築の課題に対処する。
• 非構造的な点群データから、高レベルの幾何学的・トポロジカル構造を曲線ネットワークを用いて抽出する。
• 抽出された曲線ネットワークに内在する構造的正則性を活用することで、再構築の忠実度を向上させる。
• 欠損データがひどい領域における曖昧さを解消し、曲線ネットワークの補完を可能にするユーザーガイド付きインターフェースを提供する。
• 曲線ネットワークが、表面再構築における有効な幾何的・トポロジカル制約であることを示す。

提案手法

• 曲率に基づく解析と局所的表面適合を用いて点群内の特徴点を検出する。
• 点群内の高曲率領域にスプライン曲線をフィッティングすることで、初期の曲線セグメントを生成する。
• データ適合性と構造的正則性のバランスを取るエネルギー最小化フレームワークを用いて、初期セグメントを最適化する。
• 幾何学的およびトポロジカル整合性を用いて、最適化されたセグメントをクラスタリング・接続し、一貫性のある曲線ネットワークを構築する。
• 欠損または曖昧なデータのある領域における曲線ネットワークの補完を手動でガイドするためのユーザーインターフェースを導入する。
• Zhuangらの手法[1]を用いて、再構築された曲線ネットワークを制約として表面再構築を行う。

実験結果

リサーチクエスチョン

• RQ1 非構造的でノイズが多く、不完全な点群から、曲線ネットワークを効果的に抽出できるか？
• RQ2 構造的正則性をどのように活用すれば、抽出された特徴曲線の品質と一貫性を向上させられるか？
• RQ3 重度のデータ欠損領域において、ユーザーによるガイド付き補完が、曲線ネットワーク抽出にどの程度向上効果をもたらすか？
• RQ4 従来手法と比較して、抽出された曲線ネットワークが部分的な点群において表面再構築の品質を著しく向上させられるか？
• RQ5 ノイズ、欠損データ、複雑な自由曲面に対して、このフレームワークはどの程度頑健か？

主な発見

• 本フレームワークは、大きな欠損領域と高レベルのノイズを含む点群からも、合成データおよび実際のレーザースキャンデータを用いて、曲線ネットワークの抽出に成功している。
• 構造的正則性の最適化により、曲線の滑らかさと一貫性が向上し、同時にデータ適合性も保持されている。
• ユーザーによるガイド付き補完により、曖昧または遮蔽された領域における曲線ネットワークの信頼性ある再構築が可能になった。
• 抽出された曲線ネットワークを用いて再構築された表面モデルは、鋭い特徴と複雑な幾何構造を保持しており、部分的なデータにおいてスクリーネド・ポisson再構築を上回っている。
• 入力点群に特徴領域付近に大きな穴があっても、曲線ネットワークから再構築された表面は高い幾何的正確性とトポロジカル正しさを維持している。
• 本手法は、機械部品や自由曲面を含む多様なオブジェクトに対して有効であり、広範な適用可能性を示している。