.png){kind=icon}
返回
Structure-Aware Joint Sparse Optimization for Point Cloud Denoising
.png){kind=icon}
OA
AI
DOI：10.3390/s26154749.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云被广泛应用于增强/虚拟现实、机器人等领域以表示现实世界物体。然而，它们常受到噪声污染，阻碍了网格表面重建、渲染等下游任务。本文重新审视了稀疏点云表示用于去噪的方法。我们观察到现有工作通常假设点云表面上的噪声具有全局稀疏性，导致过度平滑，并且通常采用多阶段来恢复特征，不可避免地引入偏差和结构不一致性。为解决这些挑战，我们提出了一种结构感知的联合稀疏优化方法用于点云去噪。具体而言，考虑到稀疏性主要存在于特征区域，我们提出了一种基于组级稀疏的新型近似偏差来表征不同结构的表面畸变。在此基础上，我们开发了一个能够保护结构完整性的优化模型。我们进一步推导出线性近似解，并提供了一种并行去噪算法。在多种类型数据集上的实验结果表明，所提出的方法优于当前最先进的工作。
Keyword:
point cloud
denoising
joint sparse optimization
group-level sparsity
structural integrity
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
Xu, Q.C.; Yang, Y.L.; Deng, B. Point cloud denoising using a generalized error metric. Graph. Model. 2024, 133, 101216. [Google Scholar] [CrossRef]徐启超; 杨永利; 邓博. 使用广义误差度量的点云去噪. 图形模型. 2024, 133, 101216. [谷歌学术] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容