摘要：
原文链接 点云拼接，配准，注册有什么联系 点云拼接，配准，注册说的是同一个概念，就是把不同位置的点云通过重叠部分的信息，变换到同一个位置。下面我们就用注册这个名词来描述这个过程。注册一般分为三类：粗注册，精细注册和全局注册。 粗注册：一般用于注册两个位置相差很大的点云，比如两帧位于相机坐标系的点云。 阅读全文
摘要：
原文链接 点云法线定义 对于一个三维空间的正则曲面R(u, v), 点(u, v)处的切平面(Ru, Rv)的法向量即为曲面在点(u, v)的法向量。点云是曲面的一个点采样，采样曲面的法向量就是点云的法向量。 我们给每个点一个线段来显示法线，线段的方向为法线方向，如下图所示。这种显示方法虽然简单，但 阅读全文
摘要：
原文链接 RANSAC简介 RANSAC是 RANdom SAmple Consensus 的缩写，中文翻译叫随机采样一致。它可以从一组观测数据中，找出符合某些数学模型的样本集，并且估计出这个数学模型的参数。举个例子，如下图所示，这些点是观测数据，给定的数学模型是圆形和直线，我们想从这些观测数据中找 阅读全文
摘要：
原文链接 Remesh并没有一个严格的定义，简单的讲，Remesh就是从一个输入网格生成另一个网格，并且满足一定的要求。根据网格改动大小，可以分为这么几类： 保持顶点拓扑和几何信息，优化网格连接关系 保持顶点拓扑信息，同时优化顶点几何和网格连接关系 顶点重采样，优化网格连接关系 Remesh对原网格 阅读全文
摘要：
原文链接 网格分割是什么 网格由顶点和面组成，我们对网格顶点或者面的进行分类，就是网格分割。它是一个分类问题，而分类问题是机器学习里的经典问题。 分割需要对数据进行特征建模，这个建模方法可以是人工的，比如各种几何相关的特征构建；建模方法也可以是自动的，比如深度学习的特征学习方法。 分类的方法，可以是 阅读全文
摘要：
原文链接 UV展开是什么 参数曲面的参数域变量一般用UV字母来表达，比如参数曲面F(u,v)。所以一般叫的三维曲面本质上是二维的，它所嵌入的空间是三维的。凡是能通过F(u,v)来表达的曲面都是参数曲面，比如NURBS曲面。对于三角网格，如果能把它与参数平面建立一一映射，那么它也就被参数化了，这个映射 阅读全文
摘要：
原文链接 三维变形 三维变形广泛应用于计算机图形相关的各种应用里。常见的变形类型有： 基于控制网格的变形 Laplacian网格编辑 空间分片刚性变形 基于控制网格的变形 这类变形的基本思想，是基于这么一个表示：模型 = 控制网格 * 基于控制网格的坐标 变形的基本方法有两步：首先构造控制网格，然后 阅读全文
摘要：
原文链接 KinectFusion简介 KinectFusion是微软在2011年发表的一篇论文里提到的点云重建的方法，论文题目是：KinectFusion: Real-Time Dense Surface Mapping and Tracking。点云是用Kinect采集的，然后算法把这些点云注册 阅读全文
摘要：
原文链接 背景 两个点云要注册在一块，一般分两个步骤：先做一个大致的对齐，也就是所谓的初始注册，一般可以通过一些可靠的点对来计算得到（如图3所示）；然后在初始注册的基础上进行精细注册，提升注册的精度（如图4所示）。精细注册的方法，一般采用ICP算法，也就是最近点迭代的方法。 ICP算法总览 下面先总 阅读全文
摘要：
原文链接 点云采样分类 点云采样的方法有很多种，常见的有均匀采样，几何采样，随机采样，格点采样等。下面介绍一些常见的采样方法。 格点采样 格点采样，就是把三维空间用格点离散化，然后在每个格点里采样一个点。具体方法如下： 1. 创建格点：如中间图所示，计算点云的包围盒，然后把包围盒离散成小格子。格子的 阅读全文