PointCleanNet: 一种基于数据驱动的点云去噪方法

2023-11-11 11:51

本文主要是介绍PointCleanNet: 一种基于数据驱动的点云去噪方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近投文章,不止一个审稿人向我推荐了PointCleanNet用于稠密点云去噪。查了一下,是Ovsjanikov教授挂名的文章,发表在CGF上。高手背书,果断决定研究一下。

1. 介绍

点云去噪是一个老问题了,一般主要是针对高斯噪声和异常点(Outliers)进行去噪,经典的方法包括双线性,高斯核以及MLS曲面重映射等方法。作者在PointCleanNet中,提出了一些关于点云去噪的一些细节问题,如下:

1)平衡去噪与特征保护;2)自适应;3)对无序点云与刚性变换鲁棒;4)不干扰非噪声点。

这里给出我个人的解释,一般在点云去噪中,为了追求点云的连续性,通常都会采取平滑算法。可想而知,一些重要的几何特征,如锐利的边界以及几何纹理细节会被平滑掉。这是我们不希望发生的。因此,去噪需要在平滑与特征保持中建立平衡。自适应,意思是不希望有过多的人为输入。因为一些经典算法都要求用户输入搜索半径等参数,而这些参数对结果又会有很大影响,同时用户又不太清楚如何输入较好的参数,所以导致基于参数的算法实用性一般。自适应就是要解决这个问题。无序与刚性变换鲁棒比较容易理解,就是对同一个点云,变换点的顺序与对点云进行平移旋转,去噪结果一致。最有一点,不干扰非噪声点,就是说点云需要在尽可能保持原始信息的基础上去噪,否则就是输出一个和原来模型不一致的所谓理想结果,自己逗自己玩。

为了解决这些问题,作者提出了PointCleanNet。该网络基于PCPNet architecture [1] 来估计局部几何特征,并根据该特征实现去噪。通过对一组包括了噪声的点云块集合进行训练,得到PointCleanNet,即首先去除Outliers,然后估计留下的点的校正向量。

2. 问题建模

假设带噪声点云表示如下:

P‘为输入点云;我们希望恢复噪声点的位置并去除Outlier, 于是我们建立校正向量的表示

 d为校正向量,p_i^'为消除了Outlier的点。

PointCleanNet的目标就是消除Outlier并且获得对校正向量的估计。基本上这是一个局部估计的问题,校正向量要与点云的邻域结果报纸一致,以获得平滑的曲面。PCPNet能够用来计算一个点云的邻域结构的几何特征。

 使用一个非线性函数g来估计输入点是outlier的概率: 

o^{~}_i是outliers的判断概率,当大于0.5时,即判断输入点为outlier。

使用一个函数f来估计校正向量d

建立局部块local patch:建立一个类似于ball space的空间,来搜索附近的区域,以获得outlier的概率;使用spatial transformer network(quaternion spatial transformer network:QSTN)[2] 来去除旋转影响;

Loss function: 基本上就是点的欧氏距离,也可以是Hausdorff距离。

3. 程序调试

首先下载源代码,作者已经提供了项目链接:GitHub - mrakotosaon/pointcleannet

配置,我是在pycharm上配置的,需要安装的包包括cudatoolkit,cudnn,pytorch,numpy,script,tensorboardx,请按照版本需求安装。

程序的使用:

首先,下载训练数据,使用download_data.py

之后,训练,使用train_pcpnet.py

按照要求,在项目根目录中创建一个文件夹,存储输出的去噪结果

最后,运行run.sh (如果是windows平台,需要安装shell执行应用。我没有搞定,就直接把sh里的命令在命令行模式里输入的,总共三条语句,即对点云进行的三次迭代。)

我对python的点云项目不太熟,应该是可以把这个程序重新改一下,不需要这么麻烦,熟悉python点云项目的兄弟有空可以优化一下: 

论文中的一些去噪的实验结果: 

我用自己的数据跑出来的一些结果:(有效果,但是确实一般。事实上,依靠局部邻域的patch去建立源输入,还是不能彻底解决过于离散的outlier的情况。不过,肯定比传统方法要好一点。)

 

[1] GUERRERO P, et al. PCPNet: Learning local shape properties from raw point clouds.CGF 37, 2 (2018), 75–85.

[2] JADERBERG M, et al. Spatial transformer networks. In NIPS (2015), pp. 2017–2025.

这篇关于PointCleanNet: 一种基于数据驱动的点云去噪方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/389870

相关文章

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Spring 中的循环引用问题解决方法

《Spring中的循环引用问题解决方法》:本文主要介绍Spring中的循环引用问题解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录什么是循环引用?循环依赖三级缓存解决循环依赖二级缓存三级缓存本章来聊聊Spring 中的循环引用问题该如何解决。这里聊

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi

MySQL重复数据处理的七种高效方法

《MySQL重复数据处理的七种高效方法》你是不是也曾遇到过这样的烦恼:明明系统测试时一切正常,上线后却频频出现重复数据,大批量导数据时,总有那么几条不听话的记录导致整个事务莫名回滚,今天,我就跟大家分... 目录1. 重复数据插入问题分析1.1 问题本质1.2 常见场景图2. 基础解决方案:使用异常捕获3.

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

最详细安装 PostgreSQL方法及常见问题解决

《最详细安装PostgreSQL方法及常见问题解决》:本文主要介绍最详细安装PostgreSQL方法及常见问题解决,介绍了在Windows系统上安装PostgreSQL及Linux系统上安装Po... 目录一、在 Windows 系统上安装 PostgreSQL1. 下载 PostgreSQL 安装包2.

SQL中redo log 刷⼊磁盘的常见方法

《SQL中redolog刷⼊磁盘的常见方法》本文主要介绍了SQL中redolog刷⼊磁盘的常见方法,将redolog刷入磁盘的方法确保了数据的持久性和一致性,下面就来具体介绍一下,感兴趣的可以了解... 目录Redo Log 刷入磁盘的方法Redo Log 刷入磁盘的过程代码示例(伪代码)在数据库系统中,r