基于可微分泊松方程求解的工业场景点云表面重建

摘要：从大规模工业场景点云数据中重建对应设备表面一直是业界长期关注的重点，基于各类表达方式特点设计模型，可以有效利用空间信息，从而提高重建质量。最近几年，隐式神经表达在基于学习的三维重建中得到了普及。虽然前人的一些工作展示了优秀的结果，但大多数隐式方法仅限于比较简单的单一物体的几何形状，不能扩展到更复杂或大规模的场景。隐式方法的关键限制因素主要在于其简单的全连接网络结构，因此难以在训练中整合局部信息。文章使用卷积占用网络，通过更灵活的隐式表示方法，来对物体和三维场景进行详细重建。通过将卷积编码器与隐式占有率解码器相结合，在三维空间进行结构化推理。文章基于场景公开数据集Matterport3D进行实验，验证了模型的效果。

关键词：点云；三维重建；泊松重建；隐式神经表达

中图分类号：TP391.9 文献标识码：A

文章编号：1009-3044（2024）04-0110-03