CN114283245B - 基于三维模型层次化隐式场的渲染方法 - Google Patents

基于三维模型层次化隐式场的渲染方法 Download PDF

Info

Publication number
CN114283245B
CN114283245B CN202210207907.XA CN202210207907A CN114283245B CN 114283245 B CN114283245 B CN 114283245B CN 202210207907 A CN202210207907 A CN 202210207907A CN 114283245 B CN114283245 B CN 114283245B
Authority
CN
China
Prior art keywords
ray
dimensional object
dimensional
node
octree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210207907.XA
Other languages
English (en)
Other versions
CN114283245A (zh
Inventor
高林
汤嘉恒
杨洁
陈伟凯
杨博
殷俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Computing Technology Innovation Research Institute
Original Assignee
Zhongke Computing Technology Innovation Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Computing Technology Innovation Research Institute filed Critical Zhongke Computing Technology Innovation Research Institute
Priority to CN202210207907.XA priority Critical patent/CN114283245B/zh
Publication of CN114283245A publication Critical patent/CN114283245A/zh
Application granted granted Critical
Publication of CN114283245B publication Critical patent/CN114283245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Generation (AREA)

Abstract

本发明涉及一种基于三维模型层次化隐式场的渲染方法，其特征在于：S1、基于三维对象的源数据构建八叉树，计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性；当八叉树节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，直至几何复杂性小于等于预设值；S2、采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点；S3、计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向；S4、将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。本发明适用于三维模型渲染领域。

Description

基于三维模型层次化隐式场的渲染方法
技术领域
本发明涉及一种基于三维模型层次化隐式场的渲染方法。适用于三维模型渲染领域。
背景技术
研究高效的三维模型表示和绘制方法是计算机图形学的重要任务。隐式函数表示具有可以灵活表示不同拓扑、表示模型不受分辨率限制的特点，可以广泛地适用于各种形状的表示。虽然一些结合神经网络对隐式函数进行表示的方法可以不受函数基限制任意逼近任何三维形状，但是如何高效地将表示的三维形状绘制出给定相机参数下对应的图片，现有的方法尚未很好地解决这一问题。
现有渲染隐式表示的三维几何形状的方法可以分为间接渲染方法和直接渲染方法。
间接渲染的方法首先通过行进立方体（marching cubes）算法/对偶轮廓（dualcontouring）算法等方法提取出隐式表示的三维形状的等值面，即模型的表面，获得显式的模型三维网格，然后利用渲染三维网格的方法对提取出的三维几何形状表面进行渲染。该方法的优点是可以高度并行化执行，且很容易充分利用现有的基于绘制三角形设计的硬件流水线，但是效率不高。如果需要精确捕捉复杂的几何细节，需要在很高的分辨率下执行三维网格的提取算法，最终提取到的三维网格也将由大量三角形面片组成，渲染的计算开销大幅增加。此外，引入三维网格作为中介不可避免地增加了渲染结果的误差。
直接渲染的方法可以不将隐式函数转换为显式表示而直接从隐式表示绘制出最终的二维图片。直接渲染通常基于光线行进（ray marching）算法，一个典型的例子是球体追踪（sphere tracing）算法。该方法直接查询从视点射出的射线在空间中采样点的SDF值，并基于SDF值判定光线是否继续行进或者已经到达模型表面。该方法可以不借助显式表示直接渲染出图片，提升了效率。但是光线在行进的过程中经常经过大片空白空间，仍然产生了许多不必要的SDF查询，同视每次查询某一点的SDF值通常需要全局计算整个描述三维形状的隐式函数，因此效率仍然较低。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于三维模型层次化隐式场的渲染方法。
本发明所采用的技术方案是：一种基于三维模型层次化隐式场的渲染方法，其特征在于：
S1、基于三维对象的源数据构建八叉树，计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性；
当八叉树节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，直至每个存在三维对象表面的八叉树节点内三维对象表面的几何复杂性小于等于预设值；
S2、采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点；
S3、计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向；
S4、将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。
所述三维对象表面的几何复杂性基于三维对象表面法向的变化量。
所述步骤S2，包括：
S2-1、从视点向屏幕每一个像素点发射一条光线，生成一组射线，设视点位置为X，射出的光线为X+tv；
S2-2、根据光线穿过八叉树节点的顺序从根节点开始依次遍历与光线相交且结构特征表示存在三维对象表面的八叉树节点；
如当前遍历到的节点为八叉树的叶节点，计算光线与该节点的相交处（具体为将组成此节点的轴对齐包围盒（AABB）的平面带入光线的直线方程，解得光线与节点的相交处），将相交处设为初始采样点；
如未遍历到与光线相交且结构特征表示存在三维对象表面的八叉树节点，则将该光线对应像素点颜色标记为背景，此条光线处理结束；
S2-3、设当前采样点为Xk，查询得到SDF值d=f(Xk)，如果SDF值d超过阈值ε，则采样点继续沿着光线向前移动步长tk= d,将Xk+1=Xk+tk v设为新的采样点；如果d足够小，即充分接近0，则认为光线与形状表面相交，此条光线处理结束；
S2-4、设当前采样点为Xk，如果此时采样点Xk已经穿过了当前八叉树节点，检测Xk当前位置所在的节点是否存在三维对象表面；
如果存在表面，则将Xk所在节点设为当前八叉树节点，返回步骤S2-3；否则，返回步骤S2-2。
步骤S3包括：
三维对象表面的法向为SDF的梯度方向的相反方向，步骤S2中得到光线与三维对象表面相交的位置为X + tn v，在该位置计算梯度y=∇f(X + tn v)，得到法向n=-y/||y||。
所述光线步进算法设定最大步进长度。
所述三维对象的源数据为三维网格、数学函数或方程表示的三维表面、基于CSG树构建的三维形状。
该渲染方法适用于大场景的表示和渲染。
一种基于三维模型层次化隐式场的渲染装置，其特征在于，包括：
八叉树构建模块，用于基于三维对象的源数据构建八叉树，计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性；当八叉树节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，直至每个存在三维对象表面的八叉树节点内三维对象表面的几何复杂性小于等于预设值；
算法计算模块，用于采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点；
法向计算模块，用于计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向；
模型渲染模块，用于将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。
一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于三维模型层次化隐式场的渲染方法的步骤。
一种电子设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于三维模型层次化隐式场的渲染方法的步骤。
本发明的有益效果是：本发明通过计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性得到八叉树的结构特征，并在结构特征表明存在表面而几何复杂性不满足预设要求时将节点切分，直至每个存在表面的八叉树节点内表面的几何复杂性均满足预设要求，通过自适应的调节八叉树节点可以很好地利用复杂的大尺度场景的空间稀疏性，实现高效的隐式表示渲染。
全局计算隐式函数的值开销很大，因此本发明提出的渲染过程中只在查询点的局部区域（存在表面的节点内）计算SDF值。基于稀疏八叉树节点中神经网络编码的几何形状存在性特征的光线相交检测，使得视点发出的射线跳过不存在几何形状的空白区域，加速层次化神经隐式函数的光线相交检测过程。
本发明中八叉树节点内的局部隐式函数进行球体追踪进行相交检测，以较大步进遍历射线路径上的点快速找到相交表面的位置。
本发明通过设定光线步进算法中球体追踪最大步进长度，防止在距离表面较远，即SDF值较大的位置由于神经网络拟合误差导致光线行进步长过大穿过表面得到错误的渲染结果。
本发明根据神经隐式函数的梯度方向计算表面附近的法向，得到模型表面法向，进而加入于光照模型。
附图说明
图1为实施例的流程图。
图2为实施例中单根光线处理的流程图。
图3为实施例的渲染原理示意图。
具体实施方式
如图1所示，本实施例为一种基于三维模型层次化隐式场的渲染方法，尤其适用于大场景的表示和渲染，具体包括以下步骤：
S0、获取三维对象对应的源数据。三维对象的源数据是与三维对象形状结构有关的数据，可以是三维网格、数学函数或方程表示的三维表面、基于CSG树构建的三维形状。在计算机图形学中，三维网格是一种基本的表示方式，可以将其他三维数据网格化处理得到网格数据。
S1、基于三维对象的源数据构建八叉树，三维对象对应的八叉树根节点在经多次切分后计算当前八叉树节点所代表空间内三维对象表面的存在性和几何复杂性（基于三维对象表面法向的变化量确定），得到该节点的结构特征，并在某节点的结构特征不满足预设要求时继续切分该节点，直至八叉树节点均满足预设要求。
当八叉树节点的结构特征表明该节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，并重新计算子节点的结构特征，直至每个存在三维对象表面的八叉树节点内三维对象表面的几何复杂性小于等于预设值。
S2、如图2所示，采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点。
S2-1、从视点向屏幕每一个像素点发射一条光线，生成一组射线，设视点位置为X，射出的光线为X + tn v；
S2-2、根据光线X + tn v穿过八叉树节点的顺序从根节点开始依次遍历与光线相交且结构特征表示存在三维对象表面的八叉树节点；
如果当前遍历到的节点为八叉树的叶节点，将组成此节点的AABB的平面带入光线的直线方程，解得光线与节点的相交处，将相交处设为初始采样点
如未检测到与光线相交且结构特征表示存在三维对象表面的八叉树节点（前方没有八叉树节点或前方的八叉树节点不存在三维对象表面），则将该光线对应像素点颜色标记为背景，此条光线处理结束；
S2-3、设当前采样点为Xk，查询得到SDF值d=f(Xk)，如果SDF值d超过阈值ε（d >ε），则采样点继续沿着光线向前移动步长tk= d,将Xk+1=Xk+tk v设为新的采样点；如果d足够小，即充分接近0（d <ε），则认为光线与形状表面相交，此条光线处理结束；
S2-4、设当前采样点为Xk，如果此时采样点Xk已经穿过了当前八叉树节点（表明光线未与该当前节点内的三维对应表面相交），检测Xk当前位置所在的节点是否存在三维对象表面；
如果存在表面，则将Xk所在节点设为新的当前八叉树节点，返回步骤S2-3；否则，返回步骤S2-2。
重复上述步骤，直到与表面相交或者前方没有与八叉树节点。与表面相交时，记tn=t0+ t1+…+tn-1，此时采样点位置Xn= X + tnv，即为光线与表面相交的位置（见图3，图中虚线段不设置采样点，圆圈半径为SDF）。
S3、计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向。
对于一个闭合曲面，其表面的法向即为SDF的梯度方向的相反方向。在步骤S2中，得到了光线与形状相交的位置X + tn v，在该位置计算梯度y=∇f(X + tn v)，得到法向n=-y/ ||y||。
S4、将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。
为防止在距离表面较远，即SDF值较大的位置由于神经网络拟合误差导致光线行进步长过大穿过表面得到错误的渲染结果，本实施例中为光线步进算法设定球体追踪最大步进长度。
本实施例还提供一种基于三维模型层次化隐式场的渲染装置，包括：八叉树构建模块、算法计算模块、法向计算模块和模型渲染模块。
本例中八叉树构建模块用于基于三维对象的源数据构建八叉树，计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性；当八叉树节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，直至每个存在三维对象表面的八叉树节点内三维对象表面的几何复杂性小于等于预设值。
算法计算模块用于采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点。法向计算模块用于计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向。模型渲染模块用于将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。
本实施例还提供一种存储介质，其上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于三维模型层次化隐式场的渲染方法的步骤。
本实施例还提供一种电子设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中基于三维模型层次化隐式场的渲染方法的步骤。

Claims (10)

1.一种基于三维模型层次化隐式场的渲染方法，其特征在于：
S1、基于三维对象的源数据构建八叉树，计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性；
当八叉树节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，直至每个存在三维对象表面的八叉树节点内三维对象表面的几何复杂性小于等于预设值；
S2、采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点；
S3、计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向；
S4、将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。
2.根据权利要求1所述的基于三维模型层次化隐式场的渲染方法，其特征在于：所述三维对象表面的几何复杂性基于三维对象表面法向的变化量。
3.根据权利要求1所述的基于三维模型层次化隐式场的渲染方法，其特征在于，所述步骤S2，包括：
S2-1、从视点向屏幕每一个像素点发射一条光线，生成一组射线，设视点位置为X，射出的光线为X+tv；
S2-2、根据光线穿过八叉树节点的顺序从根节点开始依次遍历与光线相交且结构特征表示存在三维对象表面的八叉树节点；
如当前遍历到的节点为八叉树的叶节点，计算光线与该节点的相交处，将相交处设为初始采样点；
如未遍历到与光线相交且结构特征表示存在三维对象表面的八叉树节点，则将该光线对应像素点颜色标记为背景，此条光线处理结束；
S2-3、设当前采样点为Xk，查询得到SDF值d=f(Xk)，如果SDF值d超过阈值ε，则采样点继续沿着光线向前移动步长tk=d,将Xk+1=Xk+tk v设为新的采样点；如果d足够小，即充分接近0，则认为光线与形状表面相交，此条光线处理结束；
S2-4、设当前采样点为Xk，如果此时采样点Xk已经穿过了当前八叉树节点，检测Xk当前位置所在的节点是否存在三维对象表面；
如果存在表面，则将Xk所在节点设为当前八叉树节点，返回步骤S2-3；否则，返回步骤S2-2。
4.根据权利要求1所述的基于三维模型层次化隐式场的渲染方法，其特征在于，步骤S3包括：
三维对象表面的法向为SDF的梯度方向的相反方向，步骤S2中得到光线与三维对象表面相交的位置为X + tnv，在该位置计算梯度y=∇f(X + tnv)，得到法向n=-y/||y||。
5.根据权利要求1或3所述的基于三维模型层次化隐式场的渲染方法，其特征在于：所述光线步进算法设定最大步进长度。
6.根据权利要求1所述的基于三维模型层次化隐式场的渲染方法，其特征在于：所述三维对象的源数据为三维网格、数学函数或方程表示的三维表面、基于CSG树构建的三维形状。
7.根据权利要求1所述的基于三维模型层次化隐式场的渲染方法，其特征在于：该渲染方法适用于大场景的表示和渲染。
8.一种基于三维模型层次化隐式场的渲染装置，其特征在于，包括：
八叉树构建模块，用于基于三维对象的源数据构建八叉树，计算八叉树节点所代表空间内三维对象表面的存在性和几何复杂性；当八叉树节点所代表空间内存在三维对象表面且表面几何复杂性大于预设值时将该节点切分成子节点，直至每个存在三维对象表面的八叉树节点内三维对象表面的几何复杂性小于等于预设值；
算法计算模块，用于采用光线步进算法处理三维对象，将光线步进算法中的光线与存在三维对象表面的八叉树节点相交处作为该条光线上的初始采样点；
法向计算模块，用于计算光线步进算法中光线与三维对象表面相交位置的梯度，得到该相交位置的法向；
模型渲染模块，用于将光线与三维对象表面的相交位置和该相交位置的法向加入经典光照模型对三维对象进行渲染。
9.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1~7任意一项所述基于三维模型层次化隐式场的渲染方法的步骤。
10.一种电子设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1~7任意一项所述基于三维模型层次化隐式场的渲染方法的步骤。
CN202210207907.XA 2022-03-04 2022-03-04 基于三维模型层次化隐式场的渲染方法 Active CN114283245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210207907.XA CN114283245B (zh) 2022-03-04 2022-03-04 基于三维模型层次化隐式场的渲染方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210207907.XA CN114283245B (zh) 2022-03-04 2022-03-04 基于三维模型层次化隐式场的渲染方法

Publications (2)

Publication Number Publication Date
CN114283245A CN114283245A (zh) 2022-04-05
CN114283245B true CN114283245B (zh) 2022-06-14

Family

ID=80882240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210207907.XA Active CN114283245B (zh) 2022-03-04 2022-03-04 基于三维模型层次化隐式场的渲染方法

Country Status (1)

Country Link
CN (1) CN114283245B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458823A (zh) * 2008-12-19 2009-06-17 北京航空航天大学 一种虚拟舞台环境下实时光照绘制的方法
CN101826215A (zh) * 2010-04-19 2010-09-08 浙江大学 实时二级光线跟踪的并行渲染方法
CN107993279A (zh) * 2017-11-03 2018-05-04 中国人民解放军陆军工程大学 一种场景精确表达方法
CN110476188A (zh) * 2017-03-30 2019-11-19 奇跃公司 集中式渲染
CN113643416A (zh) * 2021-08-13 2021-11-12 重庆中烟工业有限责任公司 三维图像体绘制方法、装置及计算机可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7355598B2 (en) * 2004-06-25 2008-04-08 Siemens Medical Solutions Usa, Inc. System and method for fast generation of high-quality maximum/minimum intensity projections
US7242401B2 (en) * 2004-06-25 2007-07-10 Siemens Medical Solutions Usa, Inc. System and method for fast volume rendering
US20170323471A1 (en) * 2016-05-06 2017-11-09 National Taiwan University 3D rendering method and 3D graphics processing device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101458823A (zh) * 2008-12-19 2009-06-17 北京航空航天大学 一种虚拟舞台环境下实时光照绘制的方法
CN101826215A (zh) * 2010-04-19 2010-09-08 浙江大学 实时二级光线跟踪的并行渲染方法
CN110476188A (zh) * 2017-03-30 2019-11-19 奇跃公司 集中式渲染
CN107993279A (zh) * 2017-11-03 2018-05-04 中国人民解放军陆军工程大学 一种场景精确表达方法
CN113643416A (zh) * 2021-08-13 2021-11-12 重庆中烟工业有限责任公司 三维图像体绘制方法、装置及计算机可读存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Ömer Cengiz Celebi,et al..Accelerating volume rendering by ray leaping with back steps.《computer methods and programs in biomedicine》.2009, *
Real-time visualization of Dynamic Unlimited Objects Instancing;Szymon Jabłonski,et al.;《Computer Science Research Notes》;20181231;第2802卷;第19-28页 *
基于八叉树邻域分析的光线跟踪加速算法;张文胜 等;《图学学报》;20150630;第36卷(第3期);第339-344页 *
基于机器学习的三维场景高度真实感绘制方法综述;赵烨梓 等;《软件学报》;20210420;第33卷(第1期);第356-376页 *
肺结节医学图像体绘制技术研究;张梓良;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20140515(第5期);I138-2831 *

Also Published As

Publication number Publication date
CN114283245A (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
Ost et al. Neural scene graphs for dynamic scenes
Bozic et al. Transformerfusion: Monocular rgb scene reconstruction using transformers
Engelmann et al. Know what your neighbors do: 3D semantic segmentation of point clouds
EP3822910A1 (en) Depth image generation method and device
CN112633657B (zh) 一种施工质量管理方法、装置、设备及存储介质
Ulusoy et al. Semantic multi-view stereo: Jointly estimating objects and voxels
Rist et al. Scssnet: Learning spatially-conditioned scene segmentation on lidar point clouds
Häne et al. Hierarchical surface prediction
Mees et al. Self-supervised 3d shape and viewpoint estimation from single images for robotics
Shivakumar et al. Real time dense depth estimation by fusing stereo with sparse depth measurements
Xu et al. 3D reconstruction method based on second-order semiglobal stereo matching and fast point positioning Delaunay triangulation
Dong et al. ASH: A modern framework for parallel spatial hashing in 3D perception
Cho et al. Eomvs: Event-based omnidirectional multi-view stereo
Sulzer et al. Scalable Surface Reconstruction with Delaunay‐Graph Neural Networks
Shi et al. Accurate implicit neural mapping with more compact representation in large-scale scenes using ranging data
Han et al. RO-MAP: Real-Time Multi-Object Mapping with Neural Radiance Fields
Hafiz et al. Se-md: A single-encoder multiple-decoder deep network for point cloud generation from 2d images
CN114283245B (zh) 基于三维模型层次化隐式场的渲染方法
Lin et al. A-SATMVSNet: An attention-aware multi-view stereo matching network based on satellite imagery
Mateo et al. Hierarchical, Dense and Dynamic 3D Reconstruction Based on VDB Data Structure for Robotic Manipulation Tasks
Huang et al. Obmo: One bounding box multiple objects for monocular 3d object detection
Xiao et al. Instance-aware monocular 3D semantic scene completion
Ylimäki et al. Fast and accurate multi‐view reconstruction by multi‐stage prioritised matching
Janda et al. Contrastive learning for self-supervised pre-training of point cloud segmentation networks with image data
Liao et al. Learning pose-aware 3D reconstruction via 2D-3D self-consistency

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant