基于深度学习的室内三维点云表面重建方法研究.pdf

基于深度学习的室内三维点云表面重建方法研究

摘要

室内场景三维重建是当前文化遗产保护、虚拟现实等多个领域的关键技术。目前基于

三维点云的室内场景三维重建是当前计算机领域的一大热点。但当前重建方法的效果仍不

够理想，特别在形状的弱纹理区域，容易出现模糊不清的问题。此外，目前的重建方法缺

少对缺失点云数据的有效处理，建模结果存在空洞问题。论文围绕着室内三维重建的弱纹

理和遮挡问题展开研究，主要工作如下：

1.针对物体细节重建问题，本文提出了一种基于全局几何先验的局部隐函数重建方法，

该方法利用全局几何先验知识对局部形状的位置施加约束，实现了自适应的形状分割，并

进一步提升了划分精度。此外，本文将全局几何纹理特征集成到每个局部形状的隐空间表

示中，以减轻形状片段拼接时产生的间断现象。实验证明本文的方法进一步提高了重建结

果精度，并有效保证了模型的整体平滑性。

2.针对物体遮挡引起的点云缺失以及透明半透明物体上采样点稀疏的问题，本文对/

基于扩散模型的表面重建算法进行了改进。本方法将物体的关键点特征作为扩散模型的输

入数据，显式地控制生成模型的整体结构。同时，本文在补全过程中引入了图像特征作为

引导，更多地保留了形状的几何结构信息及局部细节纹理特征，从而确保补全的区域更符

合真实形状。实验证明，本文的方法有效解决了点云不足的问题，取得了更优的重建结果。

综上所述，本文以室内场景为重建对象，针对室内点云的微小细节结构重建困难，以

及室内物体遮挡引起的数据缺失问题，提出了基于全局几何先验信息的局部隐函数重建方

法，并基于扩散模型的室内场景表面重建算法进行了改进。针对主流数据集的实验结果表

明，上述重建策略有效提升了室内物体及场景的重建精度和完整性。

关键词：三维重建；深度学习；隐函数；扩散模型

I

ResearchonIndoor3DPointCloudSurface

ReconstructionMethodBasedonDeepLearning

Abstract

Indoorscene3Dreconstructionisakeytechnologyincurrentfieldssuchasrobot

navigationandvirtualreality.Currently,3Dindoorscenereconstructionbasedonpointcloudsis

ahottopicincomputerfields.However,thecurrentreconstructionmethodsstillhave

unsatisfactoryresults,especiallyinweaktextureareasofshapes,whichcaneasilyleadto

blurringproblems.Inaddition,currentreconstructionmethodslackeffectiveprocessingof

missingpointclouddata,andthereisaproblemofhollowmodelingresults.Thesisfocuseson

theresearchofweaktexturesandocclusionissuesinindoor3Dreconstruction.Themainworks

areasfollows:

1.Toaddresstheproblemofreconstructingindoorobjects,thesisproposesalocalimplicit

functionreconstructionmethodbasedonglobalgeometricpriors.Thismethodutilizesglobal

geometricpriorknowledgetoimposeconstraintsonthepositionoflocalshapes,achieving