基于深度学习的隐函数点云表面重建方法

摘要

随着三维扫描和点云数据处理技术的迅速发展，点云表面重建已成为计算机图形学与计算机视觉领域的重要研究方向。点云表面重建旨在从离散、不规则分布的点云数据中恢复物体或场景的连续表面。近年来，隐函数方法因其良好的鲁棒性与灵活性备受瞩目，特别是深度学习的引入，显著提升了其对复杂几何的重建性能。在此背景下，隐函数用于点云表面重建的研究成果不断涌现，使得追踪和把握其全貌愈加困难，因此迫切需要综述性文献梳理其基本原理、关键技术和发展脉络。鉴于此，首先回顾隐函数在点云表面重建中的基本原理和发展历程，随后从隐函数定义、隐函数类型、技术发展、损失函数、数据集、评价指标六个方面，对现有基于隐函数的点云表面重建方法展开系统性综述。最后，总结了该领域面临的关键挑战，如低质量点云处理、表面重建实时性以及序列点云重建问题，并展望了未来的研究方向。综述期望为从事点云重建及相关领域研究的学者提供全面的技术总结，助力其深入了解领域动态、高效定位前沿问题。

关键词

深度学习 / 隐函数 / 点云 / 表面重建

基金资助

国家自然科学基金(12426313; 12326615); 广东省重点领域研发计划(2022B0303020003)