点集去噪软件：特征保留和体积收缩

软件影响5（2020）100020原始软件出版物-计算机图形学基于正规投票张量的点集去噪Sunil Kumar Yadava，b，Konrad Polthieraa德国柏林自由大学计算机科学与数学系bNocturne GmbH柏林，德国自动清洁装置保留字：点集去噪特征保留体积收缩A B标准点集去噪是计算机图形学和医学成像应用中的重要预处理步骤。本文介绍了一种有效的点集去噪软件，该软件能够从输入点集中去除噪声分量，而不会模糊重要的尖锐特征。该软件能够生成高保真度点集，这在几种医学应用中是期望的，因为它在去噪过程期间控制体积收缩。代码元数据当前代码版本v2用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2020-21法律代码许可证BSD 3使用git的代码版本控制系统使用Java和JavaView的软件代码语言、工具和服务编译要求、操作环境依赖性Windows 7或更高版本如果可用，链接到开发人员文档/手册https://github.com/Sunil7545/PointSetDenoising问题支持电子邮件sunil. fu-berlin.desunil7545@gmail.com1. 介绍点集是由各种3D激光扫描仪和深度相机获取的，这些扫描仪和深度相机近年来已经开发出来，用于在计算机图形学中表示3D形状。点集是不同领域中几种应用的基本数据源，包括医学成像[1，2]和逆向工程[3]。然而在扫描过程中，由于各种内外因素的影响，不可避免地会在点集中加入噪声和野值。因此，过滤掉这些伪影以获得高保真度的点集至关重要，这些点集可用于进一步的步骤，如表面重建，计算机辅助设计（CAD）和3D打印。点集去噪的主要挑战是特征保留和体积收缩。为了应对这些挑战，大量的点集和网格去噪算法被发表（详情请参考[4然而，大多数方法都遭受特征模糊或体积收缩。最重要的是，这些方法的源代码不可用，或者很难将它们用于进一步的应用。本文讨论了基于正态投票张量（NVT）的点集去噪软件，该软件是为了克服去噪过程中的特征模糊和体积收缩问题而构建的。所提出的软件基于已发表的工作[11]，这是一种多阶段各向异性点集去噪方法，并且已获得可复制性印章[12]。2. 软件描述2.1. 软件布局和GUI我们的软件旨在为用户提供一个简单的界面来执行去噪操作，并使用JavaView作为几何处理库和查看器在Java中实现[13]。 图1显示了软件的布局。整个布局分为在五个不同的区域：可视化区域，数据上传按钮，主此软件已通过Graphics Replicability Stamp Initiative认证为可复制：http://www.replicabilitystamp.org。*通讯作者：德国柏林自由大学计算机科学与数学系电子邮件地址：sunil. fu-berlin.de（S.K. Yadav）。https://doi.org/10.1016/j.simpa.2020.100020接收日期：2020年6月10日;接收日期：2020年6月14日;接受日期：2020年6月15日2665-9638/©2020作者。由Elsevier B. V.发布，这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsS.K. Yadav和K.波尔捷软件影响5（2020）1000202Fig. 1. 点集去噪的软件GUI。表1主要参数优化以去除噪声分量并保留尖锐特征。一般来说，它应该在0和1之间，如果噪声强度低，则低于0.1。参数、可选参数和与数据结构选择相耦合的数据处理按钮。该软件的最大区域用于可视化目的（图1）。1A）。用户可以查看和管理输入点集及其在该特定区域中的去噪输出。软件GUI的右列由四种不同类型的块组成。在顶部，有''装载机''区（图。1B），这使得用户能够将所需的输入点集传递给软件。第二行显示了主参数部分，其中有三个基本参数（图1C），这些参数应根据输入点集进行调整。的关于这些参数的细节在表1中解释。 在第三行中，“点集去噪”按钮将启动去噪过程（图1）。1D）。它还提供了kd树结构构建和查询的选项：要么在整个运行过程中一次，要么在每次迭代中。由于kd树的创建和查询的复杂性，后一个选项有点慢。去噪过程的当前状态显示在GUI的左下角。最后一行显示可选参数（图1E）。它们是默认设置的，但用户可以选择修改它们。关于可选参数的更多细节在表2中给出。参数数据类型描述整数从输入点集中滤除噪声分量的迭代次数。如果噪声强度很高，用户需要增加该值。一般范围为50浮子该参数是局部二值邻域阈值，负责特征保留。对于具有尖锐特征的模型，它应该在0.9到1.0之间，没有尖锐特征的模型，它可以设置在0.9以下。 一般范围为0浮子此值用于二进制特征值S.K. Yadav和K.波尔捷软件影响5（2020）1000203表2可选参数。平面顶点更新的速度，并设置为0.1。图二. 一个例子来说明我们的方法在曲面重建方面的有效性。图（a）显示了有噪声的输入点集，图（b）显示了相应的三角化表面，使用球旋转方法[14]重建。蓝色标记显示重建期间算法创建的孔，因为噪音成分。图（c）显示了在预处理阶段应用我们的去噪算法后相同表面重建的结果，没有伪影例如孔和噪声，这对于进一步的应用是期望的。(For关于本图图例中颜色的解释，读者可参考这篇文章。）2.2. 算法概述基于NVT的点集去噪软件有三个不同的模块来执行整个去噪过程。点集法线过滤、特征检测和顶点更新。点集法线滤波使用法线投票张量的概念来执行[15]。首先，使用k-最近邻计算每个点的局部邻域，然后创建基于顶点的正常投票张量（VNVT），其中包含从局部二进制邻域概念导出的加权函数[11]。在VNVT计算之后，我们对相应张量的谱分量执行二进制特征值优化（BEO）。BEO负责噪声去除以及特征保留。在优化过程之后，我们重新计算VNVT并将其与对应的顶点法线相乘以平滑噪声和异常部分。在下一步中，我们执行特征检测，将输入点集分为三个不同的类别：角点，边缘和平面点。使用各向异性协方差矩阵执行特征分类。该矩阵的谱分量的不同组合以及用户输入阈值将点集分类为特征区域和非特征区域。在算法的最后一步中，我们根据特征分类和过滤后的顶点法线更新输入点集的顶点。为了更新顶点位置，应用二次误差度量的变化。为了避免体积收缩，顶点更新方法利用用户输入参数来限制初始点集与其对应的去噪输出之间的最大去噪。参数数据类型描述浮子此参数处理体积收缩，并设置为k个最近邻之间平均距离的两倍。如果噪音强度太高，这不是一般情况，那么用户应该增加噪音。然而，增加将导致体积收缩。整数此参数影响邻域收集半径，即所有k个最近邻域之间的平均距离。默认值为12。如果噪声强度很高，用户可以增加k的值，这将增加处理时间。整数这是控制顶点法线过滤速度的阻尼因子。此参数的默认值为3。通常，该值的范围应为1到10。浮子此参数表示顶点扩散S.K. Yadav和K.波尔捷软件影响5（2020）10002043. 影响概述我们的软件开发提供了一个简单和容易的解决方案 用于计算机图形应用中的噪声去除。通过使用我们的软件，用户将能够从输入点集中去除噪声分量，而不会丢失任何特征信息，这在进一步的应用中至关重要。最重要的是，通过对体积收缩进行限制在曲面重构等几何处理应用中，输入点集中的噪声分量会严重影响曲面重构算法的结果。如图2，通过在预处理过程中应用我们的软件，用户可以显着改善表面重建结果[11，14]。简而言之，我们的软件使用户能够预处理输入噪声点集，并以最小的努力产生高保真点集。 该软件可以很容易地应用于商业环境，其中处理后的数据用于多种应用，包括医学成像，逆向工程，考古学和动画。4. 结论和局限性本文提出了一种基于正态投票张量的点集去噪软件，该软件能够有效地去除噪声分量，同时保留尖锐特征。最重要的是，该软件在去噪过程中对体积收缩具有鲁棒性，这使其适用于医学成像应用。当前版本软件的主要局限性是， 它是使用单个线程实现的，这不适合于具有数百万个数据点的非常大的模型。在这个软件的下一个版本中，我们希望从多线程中受益竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.simpa.2020.100020上找到。引用[1]M.博奇湖Kobbelt，M. Pauly，P. Alliez，B. Levy，多边形网格处理，CRC出版社，2010年。[2] S.K. 亚达夫，S.Motamedi，T.上韦克布罗克足球俱乐部Oertel，K.Polthier，F.保罗，E.M. Kadas，A.U. Brandt，CuBe：使用立方贝塞尔进行3D中心凹形状的参数化建模，Biomed。选购配件快报8（9）（2017）4181[3] M. Botsch，M.保利湖Kobbelt，P. Lévy，S. 比肖夫角 Rössl，基于多边形网格的几何建模，在：ACM SIGGRAPH 2007课程，SIGGRAPH1-181[4] X.F.的缩写Han，J.S. Jin，M.- J. Wang，W.江湖，澳-地高湖，加-地Xiao，Areview of algorithmsfor filtering the 3D point cloud，Signal Process.图像通信57（2017）103-112。[5] S.K. Yadav，基于法线变化和视网膜形状分析的表面去噪（博士）。论文），计算机科 学 与 数 学 ， 柏 林 自 由 大 学 ， 2018 年 ， https://refubium.fu-berlin.de/handle/fub188/22984。[6] H. Huang，黄氏拟谷盗D. Li，H. Zhang，U. Ascher，D.科恩-或，合并无组织点云的表面重建，ACM trans. Graph。28（5）（2009）176：1-176：7。[7] H. Huang ， S. Wu ， M. 龚 氏 D. Cohen-Or ， U. Ascher ， H.R. Zhang ， Edge-awarePointSet Resolution，ACM Trans. Graph. 32（1）（2013）9：1[8] E. Mattei，A. Castrodad，通过移动RPCA进行点云去噪，Comput。Graph. 论坛36（8）（2016）123-137。[9] C.厄兹蒂雷利湾Guennebaud，M. Gross，基于非线性核回归的特征保持点集曲面，计算。Graph. Forum 28（2）（2009）493[10] Y. Zheng，G. Li，X. Xu，S. Wu，Y. Nie，点云的滚动法线过滤，计算。辅助几何设计（2018）。[11]S.K. Yadav，U.赖特布赫，M. Skrodzki，E. Zimmermann，K.基于约束的点集去噪使用正常投票张量和限制二次误差度量，计算。Graph. 74（2018）234[12] 图形复制邮票倡议，http://www.replicabilitystamp.org/（2020年6月4日访问）。[13] JavaView项目，Javaviewhttp://www.javaview.de/[14] F.作者：J.拉什迈尔角席尔瓦湾，澳-地陶宾，曲面重建的球旋转算法，IEEETrans.Vis。Comput.图形5（4）（1999）349-359。[15] S.K. Yadav，U.赖特布赫湾Polthier，基于正态投票张量和二进制优化的网格去噪，IEEE Trans.Vis。Comput.图形24（8）（2018）2366-2379。