三维点云数据精简与网格重建算法研究

发布时间：2021-03-25 08:36

　　近年来,随着逆向工程技术的发展,三维点云模型广泛应用在虚拟现实、三维地图、医学图像、影视特效等领域,如何快速准确的建模,成为三维重建技术的关键问题。由于获取的点云不可避免的存在冗余数据,因此为保证建模的质量与效率,有必要对点云进行精简等处理。本文针对重建过程中的点云数据精简和三角网格重建问题进行深入研究,具体研究工作概括如下。首先,针对现有的点云精简算法在简化过程中经常丢失大量细节特征的问题,提出一种基于特征保留的点云精简算法。该算法通过拟合点云数据的平整度值,对空间进行细分,在特征区域引入法线估计和加权平均高斯核函数定义点特征,提取特征点;在平坦区域内使用体素法进行快速简化,再利用随机精简法重新对点云进行采样,并融合到提取特征点后的点云中,然后去除重复点,实现点云的简化。其次,在三角网格重建阶段,针对网格生长效率低,网格生长质量不高的问题,提出一种基于多准则的三角网格重建算法。该算法在区域扩张法的基础上融合了投影法的思想,以一个种子三角形作为起始条件,利用投影法将三角形的邻近点映射到二维切平面上,并设计了多个准则快速确定候选扩展点的范围,然后将候选点的二维关系映射回三维空间,在空间内... 

【文章来源】：燕山大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

Voronoi图和Delaunay三角剖分过程

本章的算法首先从获取初始种子点开始，并建立种子三角形。传统的做种子点的选取，只是简单的从点云队列中任意选择一点作为种子点，然三角形，但这会增加后续三角形生长方向的调整，法线估计等步骤，降行效率，所以有必要在算法开始阶段规定三角形的生长方向和法线方向提出一种选择种子点生长种子三角形的新方法。合适的种子点应是点云值点，首先选择点云数据在x轴方向上值最小的点，如果存在和x坐标值，则选择其他坐标轴方向上值最小的点，然后应同时考虑选取的种子点所有点的法向量的偏移方向是否一致。本文的判断方法是，从坐标极小计算极小值点的法向量和其邻域内每一个点的法向量的夹角，如果每一于 90 度，则认为该点可以被选为种子点；如果出现与邻域内有一点的夹，则该点不能成为种子点，如图 4-1 所示。如果坐标极小值点不是种子一个仅大于极小值的点开始，遍历所有点，找到一个符合要求的种子点0P 。

图 4-2 建立种子三角形4.3.3 基于投影法的候选点集确定在得到种子三角形后，要根据种子三角形进行区域增长。现阶段的算法通常是将三维空间内的散乱点云投影到二维平面上，进行二维 Delaunay 三角剖分，完成网格化的过程。因为二维 Delaunay 三角剖分过程具有唯一性，即对于固定的点集无论使用何种 Delaunay 剖分方法，其最终的剖分结果都是一致的，这也是在二维平面上剖分结果良好，映射回三维空间中却出现连接错误等情况，而且难以修正的原因。本章算法在此步骤中，并不剖分出唯一的结果，而是首先按照投影法的思想将邻近点映射到二维平面上，寻找边界边的两个边缘点的近邻点，然后通过设计约束准则，快速缩小候选扩展点的范围，将符合条件的点集映射回三维空间中，在空间中依据实际的情况选择最优扩展点。下面将详细介绍各个约束准则。(1) 三角形内角约束准则。在三角网格的区域生长过程中，我们希望生长出品质

【参考文献】：
期刊论文
[1]一种散乱点云的均匀精简算法[J]. 李仁忠,杨曼,刘阳阳,张缓缓.  光学学报. 2017(07)
[2]一种八叉树和三维R树集成的激光点云数据管理方法[J]. 龚俊,柯胜男,朱庆,钟若飞.  测绘学报. 2012(04)
[3]点采样曲面的曲率估计[J]. 吴剑煌,刘伟军,王天然,王华兵.  仪器仪表学报. 2006(12)



本文编号：3099397