计算机辅助设计与图形学学报

作者：周骏, 金玮, 王明杰, 李楠楠

关键词：法向量估计, 傅里叶变换, 全局信息引导

针对深度学习范式下点云法向量估计方法在特征提取过程中对全局信息感知能力不足的问题,提出了一种基于傅里叶频谱分析引导的点云法向量估计方法.首先通过快速傅里叶变换将局部点云块从空间域映射到频域;然后通过分析各频段信息的贡献,将频谱信息按比例划分为高频、中频和低频3个部分,借助频域蕴含的全局结构特性提升点云法向量估计的准确性;最后引入基于学习的自适应策略,对多频段信息进行动态修正,进一步提升法向量估计的精度与鲁棒性.误差估计和三维重建实验结果表明,与空间域信息相比,频域的全局属性能够提供更丰富的内蕴特征,且不同频段信息对法向量估计的影响具有显著差异.该方法在PCPNet,FamousShape和SceneNN这3个公开的标准数据集上均取得较好的性能表现,RMSE指标平均提升约0.5%.

来源：2025年第11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2025年第11期