我们如何在 MeshLab 中以数值方式评估曲面重建算法的准确性？

Question

我已经使用从 MeshLab 中的 3D 扫描仪获得的数据进行了几次表面重建，获得了很好的结果（视觉评估）。

但是，我的主要问题是除了视觉评估之外，是否有任何方法可以知道表面重建算法（我使用 Poisson）的准确性？

在文章https://doi.org/10.1145/2487228.2487237 中，作者使用了Berger et al. (2011) 中定义的指向重建错误。 MeshLab 是否有类似的评估表面重建算法的方法？

Answer 1

我后来找到了我的问题的答案。在 MeshLab 中，可以计算 2 个网格之间的 Haussdorf 距离：

• http://meshlabstuff.blogspot.com/2010/01/measuring-difference-between-two-meshes.html
• Comparing Models, somebody can give me an exmple?
• http://meshlabstuff.blogspot.com/2010/01/measuring-difference-between-two-meshes.html

（来源）

因此，在 MeshLab 中执行此操作的步骤如下：

1. 过滤器 > 采样 > Haussdorff 距离
   • 采样网格：由表面重建算法生成的模型
   • 目标网格：原始点云
2. 渲染 > 显示顶点质量直方图
   • 这使您可以评估不同生成模型之间的质量直方图（离散度和值越低越好）
   • 使用数据集着色的最大值
3. 过滤器 > 按顶点质量着色
   • 请注意，所有模型的最小值和最大值应该相同（用于两个模型之间的直接比较）！