Morphing- und Sampling-Netzwerk für die Vollständigkeit von dichten Punktwolken

Die 3D-Punktwolken-Vervollständigung, also die Aufgabe, die vollständige geometrische Form aus einer partiellen Punktwolke abzuleiten, erzeugt in der Forschungsgemeinschaft zunehmend Interesse. Um hochfidelitätsreiche, dichte Punktwolken zu erzeugen und gleichzeitig ungleichmäßige Verteilungen, verschwommene Details oder strukturelle Verluste, die bei bestehenden Methoden auftreten können, zu vermeiden, stellen wir einen neuartigen Ansatz zur Vervollständigung partieller Punktwolken in zwei Stufen vor. Konkret prognostiziert der Ansatz in der ersten Stufe eine vollständige, jedoch grobkörnige Punktwolke mithilfe einer Sammlung parametrischer Flächenelemente. Anschließend verschmilzt er in der zweiten Stufe die grobkörnige Vorhersage mit der Eingabepunktwolke mittels eines neuartigen Abtastalgorithmus. Unser Verfahren nutzt eine gemeinsame Verlustfunktion, um die Punktverteilung gezielt zu steuern. Umfassende Experimente bestätigen die Wirksamkeit unseres Ansatzes und zeigen, dass er gegenüber bestehenden Methoden sowohl im Earth Mover’s Distance (EMD) als auch im Chamfer Distance (CD) überlegen ist.