La restauración de imágenes para la reconstrucción en 3D se basa en los límites de la región conocida
Autores: Yan, Hailong; Wu, Wenqi; Deng, Zhenghua; Huang, Junjian; Li, Zhizhang; Zhang, Luting
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Nube de puntos
Objeto 3D
Sistemas de coordenadas
Aplicaciones de reconstrucción
Imágenes RGB-D
Restauración
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Pointcloud es una colección de sistemas de coordenadas de objetos 3D en una escena 3D. Generalmente, los datos de puntos en nubes de puntos representan la superficie externa de un objeto. Se utiliza ampliamente en aplicaciones de reconstrucción 3D en diversos campos. Al obtener datos de nube de puntos de imágenes RGB-D, si parte de la información en las imágenes RGB-D se pierde o se daña, los datos de nube de puntos serán huecos o demasiado dispersos. Además, no es propicio para la aplicación posterior de los datos de nube de puntos. Basándonos en el límite de la región a reparar, proponemos reparar la imagen dañada y sintetizar los datos completos de nube de puntos después de una serie de pasos de preprocesamiento relacionados con la imagen. Los experimentos muestran que nuestro método puede mejorar efectivamente la restauración de los detalles perdidos del píxel en el área objetivo y que tendrá datos de nube de puntos más completos después de sintetizar la imagen restaurada.
Descripción
Pointcloud es una colección de sistemas de coordenadas de objetos 3D en una escena 3D. Generalmente, los datos de puntos en nubes de puntos representan la superficie externa de un objeto. Se utiliza ampliamente en aplicaciones de reconstrucción 3D en diversos campos. Al obtener datos de nube de puntos de imágenes RGB-D, si parte de la información en las imágenes RGB-D se pierde o se daña, los datos de nube de puntos serán huecos o demasiado dispersos. Además, no es propicio para la aplicación posterior de los datos de nube de puntos. Basándonos en el límite de la región a reparar, proponemos reparar la imagen dañada y sintetizar los datos completos de nube de puntos después de una serie de pasos de preprocesamiento relacionados con la imagen. Los experimentos muestran que nuestro método puede mejorar efectivamente la restauración de los detalles perdidos del píxel en el área objetivo y que tendrá datos de nube de puntos más completos después de sintetizar la imagen restaurada.