En visión por computadora y gráficos por computadora , la reconstrucción 3D es el proceso de capturar la forma y apariencia de objetos reales. Este proceso se puede realizar mediante métodos activos o pasivos. [1] Si se permite que el modelo cambie su forma en el tiempo, esto se conoce como reconstrucción no rígida o espacio-temporal . [2]
Motivación y aplicaciones
La investigación de la reconstrucción 3D siempre ha sido un objetivo difícil. Mediante la reconstrucción 3D se puede determinar el perfil 3D de cualquier objeto, así como conocer las coordenadas 3D de cualquier punto del perfil. La reconstrucción 3D de objetos es una tecnología de problema y el núcleo generalmente científica de una amplia variedad de campos, como la asistida por ordenador del diseño geométrico ( CAGD ), gráficos por ordenador , animación por ordenador , visión por ordenador , imágenes médicas , ciencias de la computación , la realidad virtual , los medios digitales , etc. Por ejemplo, la información de la lesión de los pacientes se puede presentar en 3D en la computadora, lo que ofrece un enfoque nuevo y preciso en el diagnóstico y, por lo tanto, tiene un valor clínico vital. [3] Los modelos digitales de elevación se pueden reconstruir utilizando métodos como la altimetría láser aerotransportada [4] o el radar de apertura sintética . [5]
Métodos activos
Los métodos activos, es decir, los métodos de datos de rango, dado el mapa de profundidad , reconstruyen el perfil 3D mediante un enfoque de aproximación numérica y construyen el objeto en un escenario basado en el modelo. Estos métodos interfieren activamente con el objeto reconstruido, ya sea mecánica o radiométricamente utilizando telémetros , para adquirir el mapa de profundidad, por ejemplo , luz estructurada , telémetro láser y otras técnicas de detección activa. Un ejemplo simple de un método mecánico usaría un medidor de profundidad para medir la distancia a un objeto giratorio colocado en un plato giratorio. Los métodos radiométricos más aplicables emiten radiación hacia el objeto y luego miden su parte reflejada. Los ejemplos van desde fuentes de luz en movimiento, luz visible coloreada, láseres de tiempo de vuelo [6] hasta microondas o ultrasonido 3D . Consulte Escaneo 3D para obtener más detalles.
Métodos pasivos
Los métodos pasivos de reconstrucción 3D no interfieren con el objeto reconstruido; solo usan un sensor para medir la radiación reflejada o emitida por la superficie del objeto para inferir su estructura 3D a través de la comprensión de imágenes . [7] Normalmente, el sensor es un sensor de imagen en una cámara sensible a la luz visible y la entrada al método es un conjunto de imágenes digitales (una, dos o más) o video. En este caso hablamos de reconstrucción basada en imágenes y el resultado es un modelo 3D . En comparación con los métodos activos, los métodos pasivos se pueden aplicar a una gama más amplia de situaciones. [8]
Métodos de señales monoculares
Los métodos de señales monoculares se refieren al uso de una o más imágenes desde un punto de vista (cámara) para proceder a la construcción 3D. Hace uso de características 2D (por ejemplo, siluetas, sombreado y textura) para medir la forma 3D, y por eso también se llama Shape-From-X, donde X puede ser siluetas , sombreado , textura, etc. La reconstrucción 3D a través de señales monoculares es simple y rápido, y solo se necesita una imagen digital adecuada, por lo que solo una cámara es adecuada. Técnicamente, evita la correspondencia estéreo , que es bastante compleja. [9]
Forma a partir del sombreado Debido al análisis de la información de tono en la imagen, mediante el uso de reflectancia lambertiana , la profundidad de la información normal de la superficie del objeto se restaura para reconstruir. [11]
Estéreo fotométrico Este enfoque es más sofisticado que el método de forma de sombreado. Las imágenes tomadas en diferentes condiciones de iluminación se utilizan para resolver la información de profundidad. Vale la pena mencionar que este enfoque requiere más de una imagen. [12]
Forma a partir de la textura Suponga que un objeto de este tipo con una superficie lisa cubierta por unidades de textura replicadas y su proyección de 3D a 2D provoca distorsión y perspectiva . La distorsión y la perspectiva medidas en imágenes 2D proporcionan la pista para resolver inversamente la profundidad de la información normal de la superficie del objeto. [13]
Visión en estéreo
La visión estéreo obtiene la información geométrica tridimensional de un objeto a partir de múltiples imágenes basadas en la investigación del sistema visual humano . [14] Los resultados se presentan en forma de mapas de profundidad. Las imágenes de un objeto adquiridas por dos cámaras simultáneamente en diferentes ángulos de visión , o por una sola cámara en diferentes momentos en diferentes ángulos de visión, se utilizan para restaurar su información geométrica 3D y reconstruir su perfil y ubicación 3D. Esto es más directo que los métodos monoculares como la forma a partir del sombreado.
El método de visión estéreo binocular requiere dos cámaras idénticas con eje óptico paralelo para observar un mismo objeto, adquiriendo dos imágenes desde diferentes puntos de vista. En términos de relaciones de trigonometría, la información de profundidad se puede calcular a partir de la disparidad. El método de visión estéreo binocular está bien desarrollado y contribuye de manera estable a una reconstrucción 3D favorable, lo que conduce a un mejor rendimiento en comparación con otras construcciones 3D. Desafortunadamente, es computacionalmente intensivo, además de que funciona bastante mal cuando la distancia de la línea de base es grande.
Enunciado del problema y conceptos básicos
El enfoque de utilizar la visión estéreo binocular para adquirir la información geométrica 3D del objeto se basa en la disparidad visual . [15] La siguiente imagen proporciona un diagrama esquemático simple de Binocular Stereo Vision con visión horizontal, donde b es la línea de base entre los centros proyectivos de dos cámaras.
El origen del sistema de coordenadas de la cámara está en el centro óptico de la lente de la cámara, como se muestra en la figura. En realidad, el plano de imagen de la cámara está detrás del centro óptico de la lente de la cámara. Sin embargo, para simplificar el cálculo, las imágenes se dibujan delante del centro óptico de la lente con f. El eje uy el eje v del sistema de coordenadas de la imagenestán en la misma dirección que el eje xy el eje y del sistema de coordenadas de la cámara, respectivamente. El origen del sistema de coordenadas de la imagen se encuentra en la intersección del plano de imagen y el eje óptico. Supongamos que tal punto del mundo cuyos puntos de imagen correspondientes son y respectivamente en el plano de imagen izquierdo y derecho. Suponga que dos cámaras están en el mismo plano, entonces las coordenadas y de y son idénticos, es decir,. Según las relaciones de trigonometría ,
dónde son coordenadas de en el sistema de coordenadas de la cámara izquierda, es la distancia focal de la cámara. La disparidad visual se define como la diferencia en la ubicación del punto de imagen de un cierto punto del mundo adquirido por dos cámaras,
basado en el cual las coordenadas de se puede resolver.
Por tanto, una vez conocidas las coordenadas de los puntos de la imagen, además de los parámetros de dos cámaras, se puede determinar la coordenada 3D del punto.
La reconstrucción 3D consta de las siguientes secciones:
Adquisición de imágen
La adquisición de imágenes digitales 2D es la fuente de información de la reconstrucción 3D. La reconstrucción 3D de uso común se basa en dos o más imágenes, aunque puede emplear solo una imagen en algunos casos. Existen varios tipos de métodos para la adquisición de imágenes que dependen de las ocasiones y propósitos de la aplicación específica. No solo se deben cumplir los requisitos de la aplicación, sino que también se deben considerar la disparidad visual, la iluminación, el rendimiento de la cámara y la característica del escenario.
Calibración de la cámara
La calibración de la cámara en Binocular Stereo Vision se refiere a la determinación de la relación de mapeo entre los puntos de la imagen y y coordenada espacial en el escenario 3D. La calibración de la cámara es una parte básica y esencial en la reconstrucción 3D a través de Binocular Stereo Vision.
Extracción de características
El objetivo de la extracción de características es obtener las características de las imágenes, a través de las cuales se procesa la correspondencia estéreo. Como resultado, las características de las imágenes están estrechamente relacionadas con la elección de los métodos de coincidencia. No existe una teoría universalmente aplicable para la extracción de características, lo que lleva a una gran diversidad de correspondencia estéreo en la investigación de Binocular Stereo Vision.
Correspondencia estéreo
La correspondencia estéreo consiste en establecer la correspondencia entre los factores primitivos en las imágenes, es decir, para hacer coincidir y a partir de dos imágenes. Deben notarse ciertos factores de interferencia en el escenario, por ejemplo, iluminación, ruido, características físicas de la superficie, etc.
Restauracion
Según la correspondencia precisa, combinada con los parámetros de ubicación de la cámara, la información geométrica 3D se puede recuperar sin dificultades. Debido al hecho de que la precisión de la reconstrucción 3D depende de la precisión de la correspondencia, el error de los parámetros de ubicación de la cámara, etc., los procedimientos anteriores deben realizarse con cuidado para lograr una reconstrucción 3D relativamente precisa.
Reconstrucción 3D de imágenes médicas
La rutina clínica del diagnóstico, el seguimiento del paciente, la cirugía asistida por computadora, la planificación quirúrgica, etc. se facilitan mediante modelos 3D precisos de la parte deseada de la anatomía humana. La principal motivación detrás de la reconstrucción 3D incluye
- Precisión mejorada debido a la agregación de múltiples vistas.
- Estimaciones de superficie detalladas.
- Se puede utilizar para planificar, simular, guiar o ayudar a un cirujano a realizar un procedimiento médico.
- Se puede determinar la posición y orientación precisas de la anatomía del paciente.
- Ayuda en una serie de áreas clínicas, como la planificación de radioterapia y la verificación del tratamiento, cirugía de columna, reemplazo de cadera, neurointervenciones y colocación de stents aórticos.
Aplicaciones:
La reconstrucción 3D tiene aplicaciones en muchos campos. Ellos son:
- Ingeniería de pavimentos [6] [16]
- Medicina [3]
- Reconstrucción de video de punto de vista libre [17]
- Cartografía robótica [18]
- Urbanismo [19]
- Reconstrucción tomográfica [20]
- Juegos [21]
- Entornos virtuales y turismo virtual [21]
- Observación de la tierra
- Arqueología [22]
- Realidad aumentada [23]
- Ingeniería inversa [24]
- Captura de movimiento [25]
- Reconocimiento de objetos 3D , [26] reconocimiento de gestos y seguimiento de manos [27]
Planteamiento del problema:
La mayoría de los algoritmos disponibles para la reconstrucción 3D son extremadamente lentos y no se pueden utilizar en tiempo real. Aunque los algoritmos presentados todavía están en pañales, tienen el potencial de realizar cálculos rápidos.
Enfoques existentes:
Delaunay y formas alfa
- El método de Delaunay implica la extracción de superficies tetraédricas de la nube de puntos inicial. La idea de "forma" para un conjunto de puntos en el espacio viene dada por el concepto de formas alfa. Dado un conjunto de puntos finito S, y el parámetro real alfa, la forma alfa de S es un politopo (la generalización a cualquier dimensión de un polígono bidimensional y un poliedro tridimensional) que no es convexo ni está necesariamente conectado. [28] Para un valor grande, la forma alfa es idéntica al casco convexo de S. El algoritmo propuesto por Edelsbrunner y Mucke [29] elimina todos los tetraedros que están delimitados por una esfera circundante menor que α. A continuación, se obtiene la superficie con los triángulos externos del tetraedro resultante. [29]
- Otro algoritmo llamado Tight Cocone [30] etiqueta los tetraedros iniciales como interior y exterior. Los triángulos que se encuentran dentro y fuera generan la superficie resultante.
Ambos métodos se han ampliado recientemente para reconstruir nubes de puntos con ruido. [30] En este método, la calidad de los puntos determina la viabilidad del método. Para una triangulación precisa, dado que estamos utilizando el conjunto completo de nubes de puntos, los puntos de la superficie con el error por encima del umbral se representarán explícitamente en la geometría reconstruida. [28]
Métodos de puesta a cero
Reconstrucción de la superficie se realiza utilizando una función de distancia que asigna a cada punto en el espacio de una distancia firmado a la superficie S . Se utiliza un algoritmo de contorno para extraer un conjunto de ceros que se utiliza para obtener una representación poligonal del objeto. Así, el problema de reconstruir una superficie a partir de una nube de puntos desorganizada se reduce a la definición de la función adecuada f con un valor cero para los puntos muestreados y diferente a cero para el resto. Un algoritmo llamado cubos de marcha estableció el uso de tales métodos. [31] Existen diferentes variantes para un algoritmo dado, algunos usan una función discreta f , mientras que otros usan una función de base radial poliarmónica que se usa para ajustar el conjunto de puntos inicial. [32] [33] También se han utilizado funciones como Mover mínimos cuadrados, funciones básicas con soporte local, [34] basadas en la ecuación de Poisson. La pérdida de precisión de la geometría en áreas con curvatura extrema, es decir, esquinas, bordes es uno de los principales problemas encontrados. Además, el pretratamiento de la información, mediante la aplicación de algún tipo de técnica de filtrado, también influye en la definición de las esquinas suavizándolas. Existen varios estudios relacionados con las técnicas de posprocesamiento utilizadas en la reconstrucción para la detección y refinamiento de esquinas pero estos métodos aumentan la complejidad de la solución. [35]
Técnica de realidad virtual
La transparencia total del volumen del objeto se visualiza mediante la técnica de realidad virtual. Las imágenes se realizarán proyectando rayos a través de datos de volumen. A lo largo de cada rayo, es necesario calcular la opacidad y el color en cada vóxel. Luego, la información calculada a lo largo de cada rayo se agregará a un píxel en el plano de la imagen. Esta técnica nos ayuda a ver de manera integral una estructura compacta completa del objeto. Dado que la técnica requiere una gran cantidad de cálculos, lo que requiere una configuración sólida de computadoras es apropiado para datos de bajo contraste. Se pueden considerar dos métodos principales para la proyección de rayos de la siguiente manera:
- Método de orden de objeto: los rayos proyectados atraviesan el volumen de atrás hacia adelante (desde el volumen hasta el plano de la imagen).
- Orden de imagen o método de emisión de rayos: los rayos proyectados atraviesan el volumen de adelante hacia atrás (del plano de la imagen al volumen). Existen algunos otros métodos para componer la imagen, métodos apropiados según los propósitos del usuario. Algunos métodos habituales en imagen médica son MIP (proyección de máxima intensidad), MinIP (proyección de mínima intensidad), AC ( composición alfa ) y NPVR ( representación de volumen no fotorrealista ).
Cuadrícula de vóxeles
En esta técnica de filtrado, el espacio de entrada se muestrea utilizando una cuadrícula de vóxeles 3D para reducir el número de puntos. [36] Para cada vóxel , se elige un centroide como representante de todos los puntos. Hay dos enfoques, la selección del centroide del vóxel o seleccionar el centroide de los puntos que se encuentran dentro del vóxel. Obtener promedio de puntos internos tiene un mayor costo computacional, pero ofrece mejores resultados. Por lo tanto, se obtiene un subconjunto del espacio de entrada que representa aproximadamente la superficie subyacente. El método Voxel Grid presenta los mismos problemas que otras técnicas de filtrado: imposibilidad de definir el número final de puntos que representan la superficie, pérdida de información geométrica debido a la reducción de los puntos dentro de un voxel y sensibilidad a espacios de entrada ruidosos.
Ver también
- modelado 3D
- Adquisición de datos 3D y reconstrucción de objetos
- Reconstrucción 3D a partir de múltiples imágenes.
- Escáner 3D
- Reconstrucción de superficie 3D SEM
- Reconstrucción 4D
- Mapa de profundidad
- Kinect
- Fotogrametría
- Estereoscopia
- Estructura del movimiento
Referencias
- ^ Moons, Theo, Luc Van Gool y Maarten Vergauwen. " Reconstrucción 3D a partir de múltiples imágenes parte 1: Principios ". Fundamentos y tendencias en gráficos por computadora y visión 4.4 (2010): 287-404.
- ^ Zollhöfer, Michael y col. " Reconstrucción no rígida en tiempo real utilizando una cámara RGB-D ". Transacciones ACM sobre gráficos 33.4 (2014): 156.
- ^ a b Liping Zheng; Guangyao Li; Jing Sha (2007). "La encuesta de reconstrucción 3D de imágenes médicas". V Congreso Internacional de Fotónica e Imagen en Biología y Medicina . Procedimientos de SPIE. 6534 . págs. 65342K – 65342K – 6. doi : 10.1117 / 12.741321 . S2CID 62548928 .
- ^ Vosselman, George y Sander Dijkman. " Reconstrucción de modelos de edificios en 3D a partir de nubes de puntos y planos ". Archivos internacionales de fotogrametría, teledetección y ciencias de la información espacial 34.3 / W4 (2001): 37-44.
- ^ Colesanti, Carlo y Janusz Wasowski. " Investigación de deslizamientos de tierra con interferometría de radar de apertura sintética (SAR) ". Geología de ingeniería 88.3-4 (2006): 173-199.
- ^ a b Mahmoudzadeh, Ahmadreza; Golroo, Amir; Jahanshahi, Mohammad R .; Firoozi Yeganeh, Sayna (enero de 2019). "Estimación de la rugosidad del pavimento mediante la fusión de datos de color y profundidad obtenidos de un sensor RGB-D económico" . Sensores . 19 (7): 1655. doi : 10.3390 / s19071655 . PMC 6479490 . PMID 30959936 .
- ^ Buelthoff, Heinrich H. y Alan L. Yuille. " Shape-from-X: Psychophysics and Computation Archivado 2011-01-07 en Wayback Machine ". Fibers '91, Boston, MA. Sociedad Internacional de Óptica y Fotónica, 1991.
- ^ Moons, T. (Theo), 1961- (2010). Reconstrucción 3D a partir de múltiples imágenes. Parte 1, Principios . Gool, Luc van., Vergauwen, Maarten. Hanover, MA: Now Publishers, Inc. ISBN 978-1-60198-285-8. OCLC 607557354 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Saxena, Ashutosh; Sol, Min; Ng, Andrew Y. (2007). "Reconstrucción 3-D a partir de vistas dispersas mediante visión monocular". 2007 IEEE 11th International Conference on Computer Vision : 1–8. CiteSeerX 10.1.1.78.5303 . doi : 10.1109 / ICCV.2007.4409219 . ISBN 978-1-4244-1630-1. S2CID 17571812 .
- ^ Soltani, AA; Huang, H .; Wu, J .; Kulkarni, TD; Tenenbaum, JB (2017). "Sintetizar formas 3D a través del modelado de siluetas y mapas de profundidad de múltiples vistas con redes generativas profundas" . Actas de la Conferencia IEEE sobre Visión por Computador y Reconocimiento de Patrones . págs. 1511-1519 - a través de GitHub.
- ^ Cuerno, Berthold KP. " Forma a partir del sombreado: método para obtener la forma de un objeto opaco liso a partir de una vista ". (1970).
- ^ Woodham, Robert J. (1980). "Método fotométrico para determinar la orientación de la superficie a partir de múltiples imágenes" (PDF) . Ingeniería óptica . 19 (1): 138-141. Código Bibliográfico : 1980OptEn..19..139W . doi : 10.1117 / 12.7972479 . Archivado desde el original (PDF) el 27 de marzo de 2014.
- ^ Witkin, Andrew P. (1981). "Recuperación de la forma y orientación de la superficie a partir de la textura" (PDF) . Inteligencia artificial . 17 (1-3): 17-45. doi : 10.1016 / 0004-3702 (81) 90019-9 .
- ^ Kass, Michael; Witkin, Andrew; Terzopoulos, Demetri (1988). "Serpientes: modelos de contorno activos" (PDF) . Revista Internacional de Visión por Computador . 1 (4): 321–331. doi : 10.1007 / BF00133570 . S2CID 12849354 .
- ^ McCoun, Jacques y Lucien Reeves. Visión binocular: desarrollo, percepción de profundidad y alteraciones. Nova Science Publishers, Inc. , 2010.
- ^ Mahmoudzadeh, Ahmadreza; Yeganeh, Sayna Firoozi; Golroo, Amir (9 de julio de 2019). "Reconstrucción 3D de la superficie del pavimento mediante un sensor RGB-D". arXiv : 1907.04124 [ cs.CV ].
- ^ Carranza, Joel, et al. " Video de punto de vista libre de actores humanos ". Transacciones ACM en gráficos. Vol. 22. No. 3. ACM, 2003.
- ^ Thrun, Sebastián. " Mapeo robótico: una encuesta ". Explorando la inteligencia artificial en el nuevo milenio 1.1-35 (2002): 1.
- ^ Poullis, Charalambos; Tú, Suya (mayo de 2011). "Reconstrucción 3D de Áreas Urbanas". 2011 Conferencia internacional sobre generación de imágenes, modelado, procesamiento, visualización y transmisión en 3D : 33–40. doi : 10.1109 / 3dimpvt.2011.14 . ISBN 978-1-61284-429-9. S2CID 1189988 .
- ^ Xu, Fang y Klaus Mueller. " Reconstrucción tomográfica computarizada 3D en tiempo real utilizando hardware gráfico básico ". Física en Medicina y Biología 52.12 (2007): 3405.
- ^ a b Mortara, Michela, et al. " Aprendiendo el patrimonio cultural mediante juegos serios ". Revista de Patrimonio Cultural 15.3 (2014): 318-325.
- ^ Bruno, Fabio y col. " De la reconstrucción 3D a la realidad virtual: una metodología completa para la exposición arqueológica digital ". Revista de Patrimonio Cultural 11.1 (2010): 42-49.
- ^ Izadi, Shahram, et al. " KinectFusion: reconstrucción e interacción 3D en tiempo real utilizando una cámara de profundidad en movimiento ". Actas del 24º simposio anual de ACM sobre software y tecnología de interfaz de usuario. ACM, 2011.
- ^ Wang, Jun; Gu, Dongxiao; Yu, Zeyun; Tan, Changbai; Zhou, Laishui (diciembre de 2012). "Un marco para la reconstrucción de modelos 3D en ingeniería inversa". Computación e Ingeniería Industrial . 63 (4): 1189-1200. doi : 10.1016 / j.cie.2012.07.009 .
- ^ Moeslund, Thomas B. y Erik Granum. " Una encuesta de captura de movimiento humano basada en visión por computadora ". Visión por computadora y comprensión de imágenes 81.3 (2001): 231-268.
- ^ Hejrati, Mohsen y Deva Ramanan. " Análisis por síntesis: reconocimiento de objetos 3D por reconstrucción de objetos ". Actas de la Conferencia IEEE sobre Visión por Computador y Reconocimiento de Patrones. 2014.
- ^ Keskin, Cem, Ayse Erkan y Lale Akarun. " Seguimiento de manos en tiempo real y reconocimiento de gestos 3D para interfaces interactivas usando hmm ". ICANN / ICONIPP 2003 (2003): 26-29.
- ^ a b Angelopoulou, A .; Psarrou, A .; García-Rodríguez, J .; Orts-Escolano, S .; Azorin-Lopez, J .; Revett, K. (20 de febrero de 2015). "Reconstrucción 3D de imágenes médicas a partir de cortes marcados automáticamente con modelos neuronales en crecimiento" (PDF) . Neurocomputación . 150 (Parte A): 16-25. doi : 10.1016 / j.neucom.2014.03.078 . hdl : 10045/42544 .
- ^ a b Edelsbrunner, Herbert; Mücke, Ernst (enero de 1994). "Formas alfa tridimensionales". ACM Trans. Gráfico . 13 (1): 43–72. arXiv : matemáticas / 9410208 . Bibcode : 1994math ..... 10208E . doi : 10.1145 / 174462.156635 .
- ^ a b Dey, Tamal K .; Goswami, Samrat (agosto de 2006). "Probable reconstrucción de la superficie a partir de muestras ruidosas" . Geometría computacional . 35 (1-2): 124-141. doi : 10.1016 / j.comgeo.2005.10.006 .
- ^ Lorensen, William E .; Cline, Harvey E. (julio de 1987). "Marchando cubos: un algoritmo de construcción de superficie 3d de alta resolución". Computación SIGGRAPH. Gráfico . 21 (4): 163-169. CiteSeerX 10.1.1.545.613 . doi : 10.1145 / 37402.37422 .
- ^ Hoppe, Hugues; DeRose, Tony; Duchamp, Tom; McDonald, John; Stuetzle, Werner (julio de 1992). "Reconstrucción de superficies a partir de puntos desorganizados". Computación SIGGRAPH. Gráfico . 26 (2): 71–78. CiteSeerX 10.1.1.5.3672 . doi : 10.1145 / 142920.134011 .
- ^ Carr, JC; Beatson, RK; Cherrie, JB; Mitchell, TJ; Susto, WR; McCallum, BC; Evans, TR (2001). "Reconstrucción y representación de objetos 3d con funciones de base radial" (PDF) . 28 ° Congreso Anual de Gráficos por Computadora y Técnicas Interactivas SIGGRAPH 2001 . ACM. págs. 67–76.
- ^ Walder, C .; Schölkopf, B .; Chapelle, O. (2006). "Modelado de superficie implícito con una base regularizada globalmente de soporte compacto" (PDF) . Eurographics . 25 (3). Archivado desde el original (PDF) el 22 de septiembre de 2017 . Consultado el 9 de octubre de 2018 .
- ^ Wang, CL (junio de 2006). "Reconstrucción incremental de bordes afilados en superficies de malla". Diseño asistido por computadora . 38 (6): 689–702. doi : 10.1016 / j.cad.2006.02.009 .
- ^ Connolly, C. (1984). "Generación acumulativa de modelos octárbol a partir de datos de rango". Actas de la Conferencia IEEE de 1984 sobre robótica y automatización . 1 : 25–32. doi : 10.1109 / ROBOT.1984.1087212 .
enlaces externos
- Sintetizar formas 3D mediante el modelado de siluetas y mapas de profundidad de múltiples vistas con redes generativas profundas : genere y reconstruya formas 3D mediante el modelado de siluetas o mapas de profundidad de múltiples vistas.
enlaces externos
- http://www.nature.com/subjects/3d-reconstruction#news-and-comment
- http://6.869.csail.mit.edu/fa13/lectures/lecture11shapefromX.pdf
- http://research.microsoft.com/apps/search/default.aspx?q=3d+reconstruction
- https://research.google.com/search.html#q=3D%20reconstruction