散乱点云的三角网格重建关键技术研究

三维模型具有强烈真实感、便于直观感受,从而使得三维模型的表面重建技术在越来越多的领域受到关注和需要,如逆向工程、计算机辅助几何设计、计算机辅助制造、数据可视化、机器视觉、虚拟现实、医疗事业等。随着测量设备的不断发展,使得现实物体、场景的三维点云数据的获取已经不再是限制表面重建技术发展的主要因素。由于散乱点云数据拓扑结构的缺失,因此,散乱点云表面重建的重点在于拓扑结构的正确建立。另外,大规模扫描设备带来的海量点云数据在存储、传输、简化等方面都需要原始的表面重建技术加入新的调整。众多的表面重建算法主要分为基于Delaunay三角剖分的重建方法、基于隐式曲面的重建方法、区域扩张方法等。其中,基于Delaunay三角剖分的重建方法因为其生成网格质量优异等优点一直是研究热点,而本研究所使用的区域扩张方法是在基于Delaunay三角剖分的重建方法基础之上的一种方法,其速度更快、更易实现。本研究主要根据上述背景研究表面重建方法,主要完成以下工作:(1)对Delaunay三角剖分重建三角网格的三种算法进行了分析。对分治方法、逐点插入法和三角网格生长算法进行了优缺点的分析。逐点插入法较分治方法时间复杂度高,分治法较逐点插入法空间复杂度高,三角网格生长法使用较少。编程实现了关于Delaunay三角剖分特性的演示程序,体现了Delaunay三角剖分的诸多特性。(2)提出一种自适应立体栅格划分方法,该方法以多面体理论基础上点云数据区域密度的评估为基础。基于这样的栅格划分方法,给出以立体栅格为基本单元实现三角网格重建的实现过程。以各点无差异的宏观估测方法获得立体栅格的边长,将点云数据分割为栅格单元,然后通过选取基本单元中数据点为种子点和设定三角形边长以近似正6邻域为约束来构建初始三角网格,再逐层外扩完成三角网格重建。实验结果表明,使用本研究所提出的方法表面重建速度较快,本研究方法对密集点云进行重建,实验用例显示当点数大于20000点以上时,简化率达到93.97%仅需14.50s,相较其他方法,重建速度提高57.33%。并且本研究分别对标准数据和实验室自测数据进行测试,具备一定的鲁棒性,另外还具有可将简化与重建过程融为一体的优点。