激光与红外

作者：何荧荧

单位：重庆交通大学 信息科学与工程学院,重庆 400074；

关键词：三维重建;频谱优化;神经隐式表示;激光点云

基金：国基面上项目：基于NMS特征的人机共驾系统鲁棒自适应分配机制研究(No.52172381)；重庆市技术创新与应用发展项目(No.CSTB2024TIADLDX0019)资助。

针对大规模3D场景重建中激光点云数据难以捕捉高频几何细节及重建性能受限的问题,本文提出一种新型频谱优化隐式表示方法(Spectral Optimization Implicit Representation,SOIR)。SOIR通过频谱调节特征映射(Spectral Tuning Feature Mapping,STFM)对输入点云进行频率扩展,并结合原始几何特征,使神经网络能够学习多尺度几何特性。然后,提出解析频谱神经网络(Analytic Spectrum Neural Networks,ASNN),通过正弦函数周期性特性增强输入数据的频谱表达,并结合多头注意力机制捕捉全局相关性。Eikonal正则化约束符号距离函数(SDF)的梯度一致性,保证几何表面连续和平滑,从而实现精确建模和表达。实验表明,SOIR在MaiCity和NewerCollege数据集上的完整率、准确率等指标上均取得显著提升,特别是在Fscore上分别达到999和934,验证了其在高频几何细节捕捉和复杂场景重建中的有效性。

来源：2025年第12期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第12期