保持特征的点云自适应网格重建

由于3维扫描点云通常存在噪音和缺失数据,提出了一种鲁棒的点云网格重建算法。对张量矩阵方法估计的点云法向进行增强特征处理,在频域中进行3维快速傅里叶变换,提取粗糙离散等值面。原始点云经梯度方向迭代移动后,过滤噪音和剔除离群点,并修补点云缺失数据。点云被自适应筛选后,利用圆球相交的方法生成新的三角形。实验表明,该算法具有快速、稳定可靠和内存消耗小的优点。