[論文レビュー] A novel tree-structured point cloud dataset for skeletonization algorithm evaluation

Yan Lin, Ji Liu+1 more|arXiv (Cornell University)|Jan 9, 2020

3D Shape Modeling and Analysis参考文献 25被引用数 9

ひとこと要約

本論文は、暗黙的表面モデリングと仮想スキャナを用いて、ノイズ、欠損データ、不均一な密度といった現実世界の課題を模擬することで、真のスケルトンを備えた公開可能な木構造の点群データセットを初めて提案する。このデータセットにより、スケルトン化アルゴリズムの標準的で定量的な評価が可能となり、L₁法を用いたベンチマークにより、密度の変動やデータ劣化に対して感受性が強いことが示された。

ABSTRACT

Curve skeleton extraction from unorganized point cloud is a fundamental task of computer vision and three-dimensional data preprocessing and visualization. A great amount of work has been done to extract skeleton from point cloud. but the lack of standard datasets of point cloud with ground truth skeleton makes it difficult to evaluate these algorithms. In this paper, we construct a brand new tree-structured point cloud dataset, including ground truth skeletons, and point cloud models. In addition, four types of point cloud are built on clean point cloud: point clouds with noise, point clouds with missing data, point clouds with different density, and point clouds with uneven density distribution. We first use tree editor to build the tree skeleton and corresponding mesh model. Since the implicit surface is sufficiently expressive to retain the edges and details of the complex branches model, we use the implicit surface to model the triangular mesh. With the implicit surface, virtual scanner is applied to the sampling of point cloud. Finally, considering the challenges in skeleton extraction, we introduce different methods to build four different types of point cloud models. This dataset can be used as standard dataset for skeleton extraction algorithms. And the evaluation between skeleton extraction algorithms can be performed by comparing the ground truth skeleton with the extracted skeleton.

研究の動機と目的

• 3D点群スケルトン化アルゴリズムを評価するための、真のスケルトンを備えた標準化されたベンチマークデータセットの不足を解消すること。
• 現実世界の3Dスキャンでよく見られるノイズ、欠損データ、非一様な密度といった取得課題を模擬すること。
• 再現可能なアルゴリズム評価を可能にするために、900体の木モデルと一貫性のある真のスケルトンを備えた包括的なプログラム生成データセットを構築すること。
• ハウスドルフ距離などのメトリクスを用いて、スケルトン化手法の定性的および定量的比較を可能にすること。
• 公開可能な堅牢なベンチマークを提供することで、今後の3D幾何処理分野の研究を支援すること。

提案手法

• 正確な幾何的表現を実現するため、独自開発の木エディタを用いてスケルトンと対応するメッシュモデルを構築する。
• 暗黙的表面モデリングを用いて、複雑な枝の詳細を保持する高精細な三角メッシュを生成する。
• 仮想スキャナを適用して、暗黙的表面モデルから点群をサンプリングし、現実の3Dスキャン状態を模擬する。
• 基本スキャンから4種類の異なる点群バージョンを生成する：ノイズあり、スパース、欠損データあり、非一様に分布した点群。
• トポロジーの整合性と現実性を確保するための複数段階のサンプリングおよび処理パイプラインを採用する。
• 最先端のL₁法を用いてスケルトン抽出を実行し、ハウスドルフ距離を用いて真のスケルトンと比較することで、データセットの有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、アルゴリズム評価に適した標準的で現実的な3D点群データセット（真のスケルトンを備える）を体系的に構築できるか？
• RQ2 ノイズ、欠損データ、非一様な密度といった一般的な課題が、既存のスケルトン化アルゴリズムの性能にどの程度影響を与えるか？
• RQ3 多様な点群状態を備えたベンチマークデータセットは、スケルトン化手法のより信頼性の高い、再現可能な評価を可能にするか？
• RQ4 L₁法は、複雑な木構造において、さまざまなレベルのデータ劣化に対してどのように動作するか？
• RQ5 トポロジーの正しさと幾何的中心性を定量的に評価する際に、どのメトリクスが最も効果的か？

主な発見

• 提案されたデータセットには、スケルトン化アルゴリズムの一貫した評価が可能な900体の木モデルが含まれている。
• L₁法は、クリーンで一様に分布した点群において、特に低複雑度の木において、トポロジカルに正しいスケルトンを効果的に抽出できた。
• L₁法は、スパース、ノイズあり、欠損データのある点群において顕著な性能低下を示し、誤ったまたは不完全なスケルトンを生成した。
• 非一様に分布した点群から抽出されたスケルトンには、誤った枝や欠落したセグメントが見られ、密度の変動に対する感受性が顕著に現れた。
• スパース、ノイズあり、欠損、不均一な点群タイプごとのハウスドルフ距離の値は、データセットの難易度を裏付け、高い距離値は真のスケルトンからの逸脱を示している。
• このデータセットは https://github.com/liujiboy/TreePointCloud.git で公開されており、再現可能な研究とアルゴリズムベンチマークを支援している。