Anisotropic Gauss Reconstruction for Unoriented Point Clouds

简介

本文提出了一种新的各向异性表达形式，通过在原始拉普拉斯算子中引入对流项来实现。通过选择不同的速度向量，可以利用各向异性特征构建更有效的线性方程。此外，还引入了自适应选择策略来进一步增强薄结构的定向性和重建性能。广泛的实验表明，我们的方法在各种具有挑战性的情况下都能取得最先进的性能，特别是对于具有薄结构或小孔的模型。源代码将在GitHub上发布。
作者讲解

目前尚无作者解读视频，你可点击下方【许愿开讲】按钮，许愿作者开讲~
图表
解决问题

提出一种新的面向异性点云重建的方法，以解决现有方法无法利用点云中的异性信息的问题。
关键思路

在原始拉普拉斯算子中引入对流项，通过选择不同的速度向量来利用异性特征构建更有效的线性方程。
其它亮点

通过自适应选择速度向量来进一步增强对薄结构的定向和重建性能。实验结果表明，该方法在处理具有薄结构或小孔的模型时具有最先进的性能。代码将在GitHub上发布。
相关研究

最近的相关研究包括“Anisotropic point cloud reconstruction via local surface approximation”和“Anisotropic Surface Reconstruction with Quadratic Error Metrics”。