論文題目：從點云中學(xué)習(xí)占用函數(shù)用于表面重建
從采樣的點云中恢復(fù)出三維形狀的方法有兩種方法侵佃。
創(chuàng)新點：
采用點卷積神經(jīng)網(wǎng)絡(luò)(PCNN)來構(gòu)建學(xué)習(xí)模型桑李，取代用全連接多層網(wǎng)絡(luò)預(yù)測點占用率踱蛀。直接獲得點云數(shù)據(jù)的幾何性質(zhì)，對點的排列具有不變性贵白。
方法：
1.占用函數(shù)
重建結(jié)果是二分類問題率拒，0表示在外部，1表示在物體內(nèi)部禁荒。
查詢點先輸入到條件特征函數(shù)中猬膨，再進(jìn)行分類，分類器由一個帶softmax層的全連接Relu網(wǎng)絡(luò)作為分類器
損失：采用常規(guī)的交叉熵
2.訓(xùn)練數(shù)據(jù)
查詢點q是三維空間中的任意點圈浇。網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)是一組表示形狀的點云語料庫寥掐。每個點云(表面上的點)與一組表面外的點(訓(xùn)練期間的查詢)相關(guān)聯(lián)靴寂。這些查詢點被采樣并標(biāo)記在由點云定義的表面內(nèi)部和外部。這種形式的數(shù)據(jù)不是原始數(shù)據(jù)召耘，需要提前做好標(biāo)簽百炬。
對于一個3D網(wǎng)格，它周圍隨機取任意數(shù)量的查詢點污它，并對每個查詢點進(jìn)行射線測試剖踊，以確定它是在內(nèi)部還是外部
3.PCNN（點卷積神經(jīng)網(wǎng)絡(luò)）
稀疏采樣的點云包含兩個屬性：三維坐標(biāo)和該位置的脈沖強度
擴(kuò)展操作將點云映射成體積函數(shù)。該操作是通過用高斯核對脈沖序列進(jìn)行濾波來完成的衫贬，等效于覆蓋和求和以點P為中心的I個高斯函數(shù)德澈。這個操作類似于插值，因為它把一個離散的值序列變成一個連續(xù)的函數(shù)固惯。
每個核是一組高斯函數(shù)梆造，其中心為3×3×3網(wǎng)格。
約束操作只是對函數(shù)在P點處的值進(jìn)行采樣葬毫，使其返回到離散狀態(tài).
