计算机辅助设计与图形学学报

作者：张杰, 聂明辉, 王佳旭, 刘秀平

关键词：点云降噪, 无监督, 密度先验, 深度学习

为了提高无监督深度点云降噪算法的性能, 提出密度先验引导的无监督深度点云降噪算法.基于现有的网络框架, 首先设计了密度先验, 通过噪声点云的整体分布计算每点位于真实底层曲面的概率；然后利用深度网络, 通过上采、下采等策略克服大噪声点的影响, 得到降噪点云；最后利用密度先验优化干净点的条件概率分布, 设计无监督损失函数对网络进行优化, 得到最终算法.此外, 基于密度先验还提出低噪声点筛选方法和滤波算法.所提算法在PyTorch上实现, 以基于ModelNet-40构造的仿真数据库及真实扫描数据PERL为例, 以倒角距离及点到曲面的距离为评价指标.与DMR等算法相比, 倒角距离平均降低0.35~1.34, 点到曲面的距离平均降低0.68~1.94.实验结果表明, 所提算法降噪结果优于现有算法, 且具有较强的鲁棒性、普适性和泛化能力.

来源：2024年第2期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2024年第2期