散乱点云数据三角网格曲面重建研究

发布时间：2020-05-06 21:21

【摘要】：近年来,激光扫描技术的迅猛发展极大地促进了测量技术的进步,基于激光扫描技术的物体表面三维空间信息测量技术为测绘领域提供了一种全新的测量方式。激光扫描测量成果以点云数据的形式呈现,基于点云数据的曲面重建技术,在逆向工程、文化遗产保护和智慧城市建设等领域拥有广阔的应用前景。本文从提高重建效率、非均匀点云重建和尖锐特征曲面重建三个方面展开,研究了激光扫描仪获取的散乱点云数据三角网格曲面重建技术。论文的主要创新点如下:1.为适应海量点云数据对重建效率提出的严苛要求,设计了一种基于二维投影的散乱点云快速曲面重建方法。利用点云的局平特性把三维空间中的点云变换到二维平面上并进行平面Delaunay三角剖分;筛选Delaunay近邻点并把拓扑连接关系映射到三维空间;剔除非流形三角面片和重复三角面片以获取准确重建结果。实验结果表明,该算法提高了曲面重建效率,降低了曲面重建复杂度。2.针对?-shape算法不适用于非均匀点云重建的问题,提出了一种基于局部特征尺寸的非均匀点云自适应?-shape曲面重建算法。该算法依据k-邻域点计算公共极点,提高了局部特征尺寸计算的准确性;利用局部特征尺寸精简点云数据,减少了点云数量,剔除了点云中的冗余数据;推导了参数?、局部特征尺寸和相邻点间距之间的数学关系,实现了?的动态调整以及非均匀点云的自适应重建。实验结果表明,该算法能够自适应地重建出非均匀点集的表面。3.针对现有法向一致性调整算法效率不高、准确度低的问题,提出了一种引入曲面变分的法向一致性调整算法。利用主成分分析法估算点云的曲面变分并据此区分平缓点与非平缓点;采用缩小待调整法向的搜索范围和增加每次搜索时法向传播个数的策略提高效率;采用约束法向传播方向的方法保证准确性。实验结果表明,该算法能得到准确的法向调整结果,且算法效率较已有方法更高。4.针对现有曲面重建算法不能很好地重建出点云模型尖锐特征的缺陷,提出了一种点-线-面递进式尖锐特征曲面重建算法。采用k-邻域点迭代加权法获取了点云准确法向;利用法向聚类和平面拟合从候选特征点中筛选出特征点;依据特征点生长方向和主方向的相互关系重建特征线;按照最小二乘原理修复角点;以特征线为约束重建尖锐特征点云曲面。实验结果表明,该算法不仅能够准确计算尖锐特征区域的点云法向,还能准确提取出点云模型的特征点并凸显模型的尖锐特征。
【图文】：

示意图,八叉树,剖分,示意图

八叉树划分结束。八叉树剖分的示意图如图 2.1 所示。图 2.1 八叉树剖分示意图2.1.2 kd 树数据结构kd 树是 Bentley 于 1975 年把二叉树推广到 k 维空间而构建的一种数据结构。其建立规则为：维空间数据在根节点处按照第一个维度被剖分成左右两棵子树，然后用未使用的

Voronoi图,Delaunay三角剖分,Voronoi图,二维

第二章曲面重建基础理论距离点k1p 最近的点jp ，则jPV 就是点jPV 开始，作线段jpk1p 的中垂线与jPV Voronoi 单元的边界上，然后作线段点q，重复上述操作，，直到有一条中垂点即是点k1p 的 Voronoi 单元。种特殊形式的三角剖分，具有最大空圆建的重要理论基础。间中的点集 1, 2 ,iP p i n创建点使用直线段连接在一起，即可创建采三角剖分。Delaunay 图与 Voronoi 图互
【学位授予单位】：战略支援部队信息工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P225.2

【参考文献】