【深度学习基础知识 - 28】三维重建中的点云、体素、mesh

点云、体素和mesh都是三维重建中常用的三维物体的表示方法。

1. 点云

1.1 点云的概念

  • 点云是不规则的数据结构,就是用一堆点来表示物体,这种方法的限制是点与点之间没有联系,缺乏物体的表面信息。

1.2 点云的表示方法

  • 点云一般采用NxNxN的三维矩阵,或编码xyz三个通道的栅格数据,或以深度图的方式进行表示。

2. 体素

2.1 体素的概念

  • 体素就相当于图像中的像素,可以理解为三维物体中的像素,这就使得三维空间中的物体可以基于规则的空间体素进行表示,进而将图像领域的框架挪用到三维领域,使用3D卷积等方式直接对体素进行处理,缺点是会消耗大量的计算资源,因此限制了体素的分辨率。

2.2. 体素的表示方法

  • SDF(signed distance field)即有效距离场。也就是通过给每个体素赋予SDF来模拟物体表面。如果SDF值大于0,表示该体素在当前表面前,如果SDF值小于0,则表示体素在表面后,SDF越接近0,表明它越接近场景真实表面。不过这种表示方法会占用大量的资源,因此有人提出了TSDF。
  • TSDF是为了降低体素表示方法的资源消耗而提出的。TSDF采用栅格立方体代表三维空间,每个栅格中存放的是其到物体表面的距离,TSDF值的政府分别表示被表面遮挡与可见,而表面上的点则经过零点。

3. mesh

  • 理解了点云就理解了mesh,因为mesh就是点云的升级版,可以将点云的信息表示的更精细,可以理解为一种可视化方法。

博主会持续更新一些深度学习相关的基础知识以及工作中遇到的问题和感悟,喜欢请关注、点赞、收藏。

你可能感兴趣的:(深度学习,计算机视觉,人工智能,机器学习)