物体表面三维虚拟图像点云数据提取仿真

摘要：

由于三维虚拟现实物体表面的点云多边形网格是非结构化的,想要将物体表面图像特征直接输入至注意力机制中难度非常大,且提取点云目标数据时普遍存在物体被遮挡问题,难以获取高质量的点云数据.为此提出三维虚拟现实物体表面图像点云数据提取方法.标定摄像机,获取点云数据对应的坐标.通过kd-tree方法获取点云数据的空间拓扑关系,采用双边滤波融合算法消除小尺度的噪声,完成点云数据的去噪处理.采用ResNet神经网络和3D卷积神经网络分别提取点云数据特征和三维虚拟现实物体表面图像特征,将提取的特征输入注意力机制中,完成点云数据的增强处理,通过上述过程提取高质量的点云数据.仿真结果表明,提出方法应用下可提取出低噪声、高完整度的三维虚拟现实物体表面点云数据,且点云属于的漏提取率低于2％,准确率更高.

关键词：三维虚拟现实、摄像机标定、点云数据去噪、点云数据增强

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;省部级项目;教育科技规划课题

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：255-258,271