Tom.notes();

Computer Scienceや読書のメモ

Application of Stochastic Point-Based Rendering to Laser-Scanned Point Clouds

Paper(3900 words)

確率的ポイントレンダリングのレーザ計測された点群への応用

 

www.fujipress.jp

f:id:tom0930:20180529020219p:plain

 Abstract

  • SPBRを様々な大規模計測データに適用して,応用性の高さを証明する.
  • さらに,点を削除し,均一な分布(distributional uniformity)を実現することで,高精細化できることを証明する.
  • ここで,点の均一な分布とは,最近傍点との二点間距離が均一なことを意味する.
  • また,エッジなどの特徴領域を強調することで実現される,複雑な内部構造の視認性の向上も実証する.
  • 特徴領域は,局所領域の不透明度を適切に増やすことで強調する.

 

1. Introduction

  • 本論文では,以下の3点を報告する.
  1. SPBRを様々な3次元文化遺産に対して適用することで,SPBRの応用性を実証する.
  2. 可視化した点群の二点間距離を調整することで,半透明レンダリングにおいて画質が向上することを示す.
  3. 半透明レンダリングと同時に行われる特徴強調が,3次元文化遺産の複雑な内部構造の視認性(comprehensibility)を向上させることを実証する.
  • また,本論文の提案手法は,正確な奥行き感覚の実現やレンダリングアーチファクトの抑制などの,従来のSPBRの利点がすべて保持されていることに留意されたい.

 

4. Conclusions

  • SPBRの応用性の高さを証明することができた.
  • Poisson Disk Samplingによって,画質が向上したことも示した.
  • Principal Component Analysisによる特徴強調で,視認性が向上することも示した.
  • 将来的には,提案手法を文化遺産以外の対象にも適用したい.
  • 例えば,プラントシミュレーションにおける衝突可視化などが有望であろう.

 

2. Visualization Method

2.1 Stochastic Point-Based Rendering

  1. 与えられている点群を複数のサブグループにランダムに分割する.各サブグループは,一様な点密度で統計的に独立であるとする.
  2. 1. で分割した各サブグループについて,構成成分である点を画像平面上に投影し,中間画像を作成する.投影の過程において,1ピクセルごとに陰点処理を行う.最終的に,中間画像の集合が得られる.
  3. 2. で作成した中間画像の平均画像が,最終的な半透明画像となる.
  • 局所領域の点数nを調整することで,局所領域の不透明度αをコントロールすることができる.
  • 計測点群に対してnが多すぎる場合,点を一様に(uniformly)削除して間引く.
  • 反対に,nが少ない場合は,ランダムに選択した点を適切な数分だけコピーする.
  • リピートレベルが充分に大きければ,コピーされた点はそれぞれ別のアンサンブルに属すると仮定することができる.
  • 計測点群に対して,新しく点を追加する必要がないことに留意されたい.

 

2.2 Elimination of 3D Points for Tuning of Surface Opacity

  • レーザ計測された点群は,大規模である(約1億点)ため,多くの場合,適切な不透明度になるように点を削減する必要がある.
  • 従来のSPBRでは,点を削減する際,ランダムに点を選択して削除していた.
  • このランダムな点の除去は容易に実現可能であり,点の密度,すなわち表面の不透明度をコントロールする目的でうまく機能する.
  • しかしながら,点間距離の局所的一様性は,高品質なレンダリングを実現する際に重要であることがわかった.
  • 本論文では,一様性を保つ点削減を,3次元ポアソンディスクサンプリング(Fig.2)によって実現する.
  • ポアソンディスクサンプリングのアルゴリズムは以下の通りである.
  1. 点群の各点に対して,ランダムな順番で,インデックスk(k=1, 2,..., n)を割り当てる .
  2. インデックスk=1である最初の点を採用する.
  3. k=k+1としてアップデートし,k=nとなったら終了する.
  4. k番目の点が以下の基準を満たせば採用し,そうでなければ,前のステップに戻る.

    基準:インデックスi(i<=k)の点が,インデックスkの点を中心とする球内に含まれていなければ,k番目の点を削減せずに採用する.球の半径は,ユーザが決めるパラメータであり,結果として生じる(resultant)点間距離をコントロールする値である.

f:id:tom0930:20180529224815p:plain

 

2.3 Feature Highlighting

  • 従来のSPBRでは,各点に対して一様な不透明度を適用した.
  • 言い換えれば,点群の任意の局所領域の表面不透明度は,どこも同一となる.
  • 本論文では,特徴領域に対して高い不透明度を付与し,強調する.
  • 本論文では,特徴抽出には,比較的ノイズに強く,計測点群に手を加える必要がない主成分分析を用いる.
  • 特徴量は,Linearityを採用する.Linearityは,表面のエッジほど大きい値となり,平面領域ほど小さい値となる.

 

3. Case Studies

 

Related Article

tom0930.hatenablog.com

 

tom0930.hatenablog.com

  

tom0930.hatenablog.com