Denoising of dynamic 3D meshes via low-rank spectral analysis

Arvanitis, Gerasimos; Lalos, Aris S.; Μουστάκας, Κωνσταντίνος

doi:10.1016/j.cag.2019.05.017

Cited by 3 publications

(1 citation statement)

References 43 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In the field of reverse engineering application, generally, two methods including contact and non-contact scanning devices are used to acquire 3D point cloud of objects, 1 but the collected data is 3D point cloud commonly. It can realize surface reconstruction and product remanufacturing by processing the point cloud.…”

Section: Introductionmentioning

confidence: 99%

Anisotropic neighborhood searching for point cloud with sharp feature

Yuan

Liu

2020

Measurement and Control

View full text Add to dashboard Cite

The k-nearest neighborhoods (kNN) of feature points of complex surface model are usually isotropic, which may lead to sharp feature blurring during data processing, such as noise removal and surface reconstruction. To address this issue, a new method was proposed to search the anisotropic neighborhood for point cloud with sharp feature. Constructing KD tree and calculating kNN for point cloud data, the principal component analysis method was employed to detect feature points and estimate normal vectors of points. Moreover, improved bilateral normal filter was used to refine the normal vector of feature point to obtain more accurate normal vector. The isotropic kNN of feature point were segmented by mapping the kNN into Gaussian sphere to form different data-clusters, with the hierarchical clustering method used to separate the data in Gaussian sphere into different clusters. The optimal anisotropic neighborhoods of feature point corresponded to the cluster data with the maximum point number. To validate the effectiveness of our method, the anisotropic neighbors are applied to point data processing, such as normal estimation and point cloud denoising. Experimental results demonstrate that the proposed algorithm in the work is more time-consuming, but provides a more accurate result for point cloud processing by comparing with other kNN searching methods. The anisotropic neighborhood searched by our method can be used to normal estimation, denoising, surface fitting and reconstruction et al. for point cloud with sharp feature, and our method can provide more accurate result comparing with isotropic neighborhood.

show abstract

Section: Introductionmentioning

confidence: 99%

Anisotropic neighborhood searching for point cloud with sharp feature

Yuan

Liu

2020

Measurement and Control

View full text Add to dashboard Cite

show abstract

Foreword to the Special Section on Shape Modelling International 2019

Chaine

Patanè²

2019

Computers & Graphics

View full text Add to dashboard Cite

Spectral processing and optimization of static and dynamic 3D geometry

Αρβανίτης¹

View full text Add to dashboard Cite

Η γεωμετρική επεξεργασία τρισδιάστατων αντικειμένων έχει μεγάλο ερευνητικό ενδιαφέρον σε ένα ευρύ φάσμα εφαρμογών που σχετίζονται με την υπολογιστική όραση και τα γραφικά, όπως για παράδειγμα στην αυτόματη κίνηση robot στον χώρο, την αναγνώριση τρισδιάστατων αντικειμένων, την κατηγοριοποίηση, την εξαγωγή χαρακτηριστικών και άλλες. Η δημιουργία νέας γενιάς οικονομικών αισθητήρων, που έχουν αναπτυχθεί τα τελευταία χρόνια, έχει παίξει σημαντικό ρόλο στην προσέλκυση ενδιαφέροντος από διάφορες περιοχές, οι οποίες έχουν σκοπό να αναπτύξουν εφαρμογές που να κάνουν χρήση της 3D πληροφορίας επωφελούμενες των πλεονεκτημάτων που προσφέρει μια πιο ολοκληρωμένη αναπαράσταση του κόσμου (3D αναπαράσταση) σε σύγκριση με την εικόνα και το video. Οι υπάρχουσες προσεγγίσεις που σχετίζονται με την επεξεργασία 3D αντικειμένων, απαιτούν, σε σημαντικό βαθμό, ειδικές παρεμβάσεις από τους χρήστες και επίσης είναι αρκετά χρονοβόρες για να χρησιμοποιηθούν σε εφαρμογές πραγματικού χρόνου. Στόχος της παρούσας διατριβής είναι να παρουσιάσει αλγορίθμους που μπορούν να χρησιμοποιηθούν αποτελεσματικά και ωφέλιμα σε πλήθος χαμηλού επιπέδου εφαρμογών που αφορούν την επεξεργασία 3D γεωμετρίας όπως (ανακατασκευή επιφάνειας, απομάκρυνση έκτοπων σημείων, αποθορυβοποίηση, συμπίεση) σε εργασίες που αφορούν την αναγνώριση προτύπων (εντοπισμός σημαντικών σημείων και χαρτογράφηση βάση γεωμετρικής σημαντικότητας) καθώς και σε υψηλού επιπέδου εφαρμογές (εντοπισμός 3Dαντικειμένων σε σκηνές μερικής αποτύπωσης), λαμβάνοντας επίσης υπόψην διαφορετικούς τύπους 3Dμοντέλων (στατικά και δυναμικά νέφη σημείων, στατικά και δυναμικά 3D αντικείμενα πλεγματικής αναπαράστασης).

show abstract

Denoising of dynamic 3D meshes via low-rank spectral analysis

Cited by 3 publications

References 43 publications

Anisotropic neighborhood searching for point cloud with sharp feature

Anisotropic neighborhood searching for point cloud with sharp feature

Foreword to the Special Section on Shape Modelling International 2019

Spectral processing and optimization of static and dynamic 3D geometry

Contact Info

Product

Resources

About