[论文解读] Reverse Engineering Point Clouds to Fit Tensor Product B-Spline Surfaces by Blending Local Fits

Lavanya Sita Tekumalla, Elaine Cohen|arXiv (Cornell University)|Nov 21, 2014

Advanced Numerical Analysis Techniques参考文献 11被引用 3

一句话总结

本文提出了一种新颖且高效的方法，通过在分割的数据块上融合局部加权最小二乘拟合，将噪声大、不完整的点云反向工程为张量积B样条曲面。通过采用自适应节点放置和分层域分解策略，该方法将拟合复杂度从 O(ℓm²) 降低至 O(ℓ)，显著提升了计算速度，同时通过端到端的平滑、孔洞填充、参数化与曲面拟合流程，有效处理了噪声、孔洞和不规则几何结构，使用 13×13 控制网格时每点误差为 0.098。

ABSTRACT

Being able to reverse engineer from point cloud data to obtain 3D models is important in modeling. As our main contribution, we present a new method to obtain a tensor product B-spline representation from point cloud data by fitting surfaces to appropriately segmented data. By blending multiple local fits our method is more efficient than existing techniques, with the ability to deal with more detail by efficiently introducing a high number of knots. Further point cloud data obtained by digitizing 3D data, typically presents many associated complications like noise and missing data. As our second contribution, we propose an end-to-end framework for smoothing, hole filling, parameterization, knot selection and B-spline fitting that addresses these issues, works robustly with large irregularly shaped data containing holes and is straightforward to implement.

研究动机与目标

• 解决在真实世界三维点云存在噪声、不完整且含孔洞的情况下，拟合高质量张量积B样条曲面的挑战。
• 通过利用固定尺寸控制块的局部融合拟合，开发一种计算效率更高的全局最小二乘拟合替代方法。
• 构建一个完整的端到端流程，集成平滑、孔洞填充、参数化、节点选择与曲面拟合，以实现鲁棒的反向工程。
• 通过自适应节点放置结合分层域分解策略，实现高细节建模，提升曲面保真度，同时避免过度计算开销。

提出的方法

• 该方法将输入点云分割为同胚于圆盘的局部块，每个块使用局部加权最小二乘法拟合，并采用张量积窗函数以突出邻近点的影响。
• 通过融合策略将局部控制点合并为全局B样条曲面，避免求解大规模全局线性系统。
• 通过自适应域分解确定节点向量，实现在复杂区域的高分辨率与在其他区域的粗略分辨率。
• 采用两阶段参数化过程：首先通过基于网格的三角剖分进行初始映射，随后通过迭代校正最小化形变。
• 使用局部曲面重建技术进行孔洞填充，以保持几何连续性，并支持不规则形状的孔洞。
• 在噪声较大的边界区域应用平滑处理，采用正则化能量最小化方法以保持特征完整性。

实验结果

研究问题

• RQ1 与全局最小二乘拟合相比，局部融合最小二乘拟合是否能在显著降低计算成本的同时实现具有竞争力的曲面质量？
• RQ2 如何构建一个端到端框架，以鲁棒方式处理具有任意孔洞和不规则几何结构的噪声大、不完整点云？
• RQ3 通过分层域分解实现的自适应节点放置，在多大程度上提升了曲面细节与拟合精度？
• RQ4 在存在数据缺失的情况下，融合方法是否能维持几何保真度，同时避免秩不足与病态条件问题？

主要发现

• 融合局部拟合方法将B样条曲面拟合的计算复杂度从 O(ℓm²) 降低至 O(ℓ)，即使在大规模控制网格下也实现了显著加速。
• 使用 13×13 控制网格时，该方法实现了每点 0.098 的拟合误差，尽管高于全局最小二乘法的 0.047，但相对于特征尺寸而言仍可接受。
• 该框架成功处理了噪声大、不完整的带孔数据，生成了平滑、参数化良好且拟合精确的B样条曲面，如最终结果所示。
• 自适应节点放置策略在复杂区域实现了高分辨率细节，同时保持了高效性，如生成的 13×13 控制网格所示。
• 端到端流程（包括平滑、孔洞填充、参数化与拟合）在真实扫描数据上表现出鲁棒性且易于实现。