[论文解读] Point Integral Method for Solving Poisson-type Equations on Manifolds from Point Clouds with Convergence Guarantees

Zhen Li, Zuoqiang Shi+1 more|arXiv (Cornell University)|Sep 9, 2014

Advanced Numerical Analysis Techniques参考文献 23被引用 12

一句话总结

本文提出了点积分法（PIM），一种无需网格的数值方法，用于从点云数据求解流形上的泊松型方程，该方法利用避免导数的积分方程，实现稳定离散化。该方法在理论上具有收敛性保证，并在多种流形（包括三维形状和抽象子流形）的数值实验中表现出快速的实证收敛速率。

ABSTRACT

Partial differential equations (PDE) on manifolds arise in many areas, including mathematics and many applied fields. Among all kinds of PDEs, the Poisson-type equations including the standard Poisson equation and the related eigenproblem of the Laplace-Beltrami operator are of the most important. Due to the complicated geometrical structure of the manifold, it is difficult to get efficient numerical method to solve PDE on manifold. In the paper, we propose a method called point integral method (PIM) to solve the Poisson-type equations from point clouds with convergence guarantees. In PIM, the key idea is to derive the integral equations which approximates the Poisson-type equations and contains no derivatives but only the values of the unknown function. The latter makes the integral equation easy to be approximated from point cloud. In the paper, we explain the derivation of the integral equations, describe the point integral method and its implementation, and present the numerical experiments to demonstrate the convergence of PIM.

研究动机与目标

• 解决在传统网格方法因复杂几何结构而不可行时，于流形上求解泊松型PDE的挑战。
• 克服有限元方法（FEM）在形状不佳或非结构化网格上的局限性，以及在高环境维数下水平集方法的高成本问题。
• 开发一种可直接从实际中常见的点云数据出发的数值方法，无需显式三角剖分或嵌入网格。
• 为仅基于点采样求解流形上的泊松方程和特征值问题提供理论收敛性保证。
• 在包括带边界的曲面和一般子流形在内的多种流形上，展示该方法的鲁棒性与准确性。

提出的方法

• 推导近似泊松方程和拉普拉斯-贝尔特拉米特征问题的积分方程，用涉及核函数 $ R $ 的积分算子替代微分算子。
• 使用核函数 $ R(r) $（如高斯函数），其中 $ \bar{R}(r) = \int_r^\infty R(s)ds $，以表达泊松方程的积分形式。
• 通过点云采样对积分方程进行离散化，其中未知函数值通过点集上的求积规则近似。
• 通过引入边界积分和 $ g(\mathbf{x}) $ 处理边界条件，利用 $ \bar{R} $ 对边界点的贡献进行加权。
• 通过求解由离散化积分方程导出的稀疏线性系统来实现该方法，其中参数 $ t $ 和 $ \beta $ 经调优以确保稳定性和准确性。
• 通过借鉴配套文献 [29] 的理论分析，确保收敛性，并通过在合成与真实世界流形上的收敛性研究进行实证验证。

实验结果

研究问题

• RQ1 是否可以仅从点云数据出发，在无需网格或全局网格的情况下，准确求解流形上的泊松型方程？
• RQ2 能否构建避免导数且适用于从散乱点采样中稳定近似的积分公式？
• RQ3 何种核函数及参数（$ t $, $ \beta $）可使点积分法实现最优收敛性与准确性？
• RQ4 PIM的实际收敛速率与理论预测相比如何？若存在差异，其原因是什么？
• RQ5 PIM是否能可靠地近似复杂真实世界三维流形上拉普拉斯-贝尔特拉米算子的特征函数与特征值？

主要发现

• PIM 在流形上对 Neumann 和 Dirichlet 边界条件均实现收敛，相对 $ L^2 $ 误差随点密度增加而减小。
• 在 Lake 模型中，第10个特征函数的相对 $ L^2 $ 误差在 Dirichlet 条件下，从 3745 个点时的 0.0893 降至 64131 个点时的 0.0033。
• 在 Lefthand 模型中，Neumann 问题的相对误差从 3147 个点时的 0.5944 降至 193467 个点时的 0.0035，表现出强烈的收敛性。
• 该方法能准确估计拉普拉斯-贝尔特拉米算子的前30个特征值，PIM 结果与高分辨率网格上的 FEM 解高度一致。
• 在不同模型（如 Lake、Lefthand）上，PIM 计算的第10个特征函数在不同边界条件下表现出一致且视觉上合理的特征。
• PIM 的实证收敛速率超过理论预测，提示未来研究可进一步改进理论分析。