1 项目介绍

本项目为本人毕业设计研究内容的展示系统，主要聚焦于三维点云上采样与语义分割应用。该系统包括了三维模型的算法处理展示、三维模型上传与管理、三维模型渲染管理等功能，现将其开源，以方便后续有做三维计算机视觉研究的同学做展示使用，也欢迎star/fork/pr/issue，帮助系统更好的完善 :-)

1.1 技术依赖

• 前端依赖：jQuery + Bootstrap3 + ThreeJS + Font-Awesome

• 后端依赖：Django

• 其它依赖：TensorFlow

1.2 功能介绍

1.2.1 展示模块

该模块主要为三维模型的算法处理展示，包括了点云上采样展示、场景上采样展示、分割数据集展示、场景分割展示等功能，展示内容一般为原始模型、处理生成模型和标准模型。

1.2.2 模型管理模块

该模块是一个简易的文件管理系统，主要为对三维点云模型进行管理，包括了创建目录、重命名目录、删除目录、上传模型、查看模型、下载模型、移动模型、删除模型、上采样模型、回收站管理等功能。

1.2.3 模型渲染模块

该模块主要为对三维模型进行网页端的渲染控制，通过调节参数以达到理想的渲染效果。

2 环境配置

1. 创建虚拟环境visapp并激活（默认当前已在项目根目录PCVisAPP）。

   conda create -n pcvisapp python=3.6 --yes
   conda activate pcvisapp

2. 安装Python Package依赖。

   pip install -r requirements.txt

3. 编译tf算子。注意，如果当前环境不方便安装tensorflow-gpu或者没有GPU可忽略本步骤，但为了确保系统仍能够正常运行，需要将PointCloudManage/utils.py中的代码from PointCloudManage.upsample_op.model import Model注释，并适当修改方法upsample_points。实际上，方法upsample_points的目标即调用基于tf的神经网络对三维点云模型进行上采样操作，该方法内也可替换成你的点云处理算法。

   cd PointCloudManage/upsample_op/tf_ops
   sh compile_ops.sh

4. 下载参考测试数据。本步骤为可选，可将参考测试数据解压并覆盖于static目录下。

   • 下载链接：Google Drive

   • 下载链接：百度云（提取码：i353）

5. 运行系统。运行之前需要修改PointCloudManage/upsample_op/config.py内CFG.gpu为可使用的GPU。

   python manage.py runserver 0.0.0.0:<ip_port>

3 效果展示

3.1 主页

3.2 展示模块

3.2.1 点云上采样展示

3.2.2 场景上采样展示

3.2.3 分割数据集展示

3.2.4 场景分割展示

3.3 模型管理模块

3.3.1 模型上传

3.3.2 模型管理

3.3.3 模型删除与回收站

3.4 模型渲染模块

3.4.1 obj渲染

3.4.2 ply渲染

4 更进一步

1. 用户权限管理系统

2. 渲染页面自动生成系统

5 参考项目

[1] TensorFlow

[2] jQuery

[3] Bootstrap · The most popular HTML, CSS, and JS library

[4] Three.js - JavaScript 3D Library

[5] Font Awesome, the iconic font and CSS toolkit

[6] Django - The Web Framework for Perfectionists with Deadlines

[7] PU-GAN: a Point Cloud Upsampling Adversarial Network

[8] AdminLTE - Bootstrap 4 Admin Dashboard