Avaliação da qualidade subjetiva e objetiva de algoritmos de denoising de nuvens de pontos 3D

A crescente disponibilidade de dados de nuvens de pontos nos últimos anos está exigindo métodos de denoising de alto desempenho e esquemas de compressão. Quando os dados de nuvens de pontos são obtidos diretamente de sensores de profundidade ou extraídos de imagens adquiridas de diferentes pontos de vista, imprecisões na aquisição de profundidade ou nas técnicas de reconstrução 3D resultam em nuvens de pontos ruidosas que podem incluir um número significativo de outliers. Além disso, a avaliação da qualidade das nuvens de pontos é um problema desafiador, pois esse formato de representação 3D é não estruturado e tipicamente não é visualizado diretamente. Neste artigo, métricas de qualidade objetiva selecionadas são avaliadas em relação à sua correlação com a avaliação de qualidade humana e, assim, com a percepção humana. Até onde os autores sabem, este é o primeiro artigo que realiza a avaliação subjetiva de algoritmos de denoising de nuvens de pontos e a avaliação das métricas de qualidade objetiva de nuvens de pontos mais utilizadas. Resultados experimentais mostram que algoritmos de denoising baseados em grafo podem melhorar significativamente a qualidade dos dados da nuvem de pontos e que métricas objetivas que modelam a superfície subjacente da nuvem de pontos podem correlacionar melhor com a percepção humana.