Terrain Point Cloud Inpainting via Signal Decomposition

要約

3D取得技術の急速な発展により、実世界の地形の点群データを取得することが可能になった。しかし、センサーの取得技術や特定の要件における制限のため、点群にはしばしばデータの欠落した穴のような欠陥が含まれる。インペインティングアルゴリズムは、このような穴を補修するために広く使用されている。しかし、既存の伝統的なインペインティングアルゴリズムは、正確な穴の境界線に依存しているため、境界線が十分に定義されていない場合の処理能力に限界がある。一方、学習ベースの補完手法は、穴埋めのみに焦点を当てるのではなく、点群全体の再構成を優先することが多い。実世界の地形は大域的な滑らかさと局所的な詳細さの両方を示すという事実に基づき、我々は地形点群のための新しい表現を提案する。この表現は、明確な境界のない穴を修復するのに役立つ。具体的には、地形を低周波成分と高周波成分に分解し、それぞれBスプライン曲面と相対高さマップで表現する。このようにして、地形点群インペインティング問題は、B-スプライン曲面フィッティングと2次元画像インペインティング問題に変換される。この2つの問題を解くことにより、地形点群上の非常に複雑で不規則な穴をうまく埋めることができ、大域的な地形の起伏を満たすだけでなく、豊かな幾何学的詳細を示すことができる。実験結果からも、本手法の有効性が実証された。

要約(オリジナル)

The rapid development of 3D acquisition technology has made it possible to obtain point clouds of real-world terrains. However, due to limitations in sensor acquisition technology or specific requirements, point clouds often contain defects such as holes with missing data. Inpainting algorithms are widely used to patch these holes. However, existing traditional inpainting algorithms rely on precise hole boundaries, which limits their ability to handle cases where the boundaries are not well-defined. On the other hand, learning-based completion methods often prioritize reconstructing the entire point cloud instead of solely focusing on hole filling. Based on the fact that real-world terrain exhibits both global smoothness and rich local detail, we propose a novel representation for terrain point clouds. This representation can help to repair the holes without clear boundaries. Specifically, it decomposes terrains into low-frequency and high-frequency components, which are represented by B-spline surfaces and relative height maps respectively. In this way, the terrain point cloud inpainting problem is transformed into a B-spline surface fitting and 2D image inpainting problem. By solving the two problems, the highly complex and irregular holes on the terrain point clouds can be well-filled, which not only satisfies the global terrain undulation but also exhibits rich geometric details. The experimental results also demonstrate the effectiveness of our method.

arxiv情報

著者 Yizhou Xie,Xiangning Xie,Yuran Wang,Yanci Zhang,Zejun Lv
発行日 2024-04-04 16:37:42+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.CG, cs.CV パーマリンク