[發明專利]基于映射法的散亂點云Delaunay三角剖分曲面重構方法

有效

• 申請號: 201410203455.3
• 申請日: 2014-05-14
• 公開（公告）號: CN103985155B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 李鳳霞;霍達;雷正朝;孫美玲;張鉑;趙三元
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T17/00
• 分類號: G06T17/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種基于映射法的散亂點云德勞內(Delaunay)三角剖分曲面重構方法，屬于計算機圖形學、虛擬現實技術領域。

背景技術

在逆向工程中，獲取目標的原始點云數據是逆向工程的第一步，點云數據的獲取主要是通過三維掃描儀。當前的三維掃描儀主要可以分為兩類：普通光學掃描儀(結構光三維掃描儀)和激光三維掃描儀。普通光學掃描儀比較適用于對小型物體進行三維精確建模，具有很高的掃描精度，應用在工業生產中對零件和產品的尺寸進行測量。激光三維掃描儀獲得的點云數據除包含數據點坐標外，通常還包含反射強度、法線方向等信息。逆向工程中最為關鍵的技術在于利用獲取的目標原始點云數據構造出被掃描物體的三維模型，即對獲得的目標原始點云數據進行處理并生成三維模型。

曲面重構技術是反向工程中的最重要的一步，也是基于點云三維重建中的重要環節。

現有的點云曲面重建算法的可以分為以下幾類：參數曲面方法、隱式曲面方法、基于學習的方法、Delaunay三角剖分法等。

參數曲面重建主要應用在CAD領域，典型的重建算法有B-spline曲面、NURBS曲面以及Bezier曲面?；陔[式曲面的方法采用一組隱式曲線方程擬合原始點云，然后在零值面上抽取三角網格。使用最多的為徑向基函數(RadialBasis?Function，RBF)和移動最小二乘法，典型的代表算法有Hoppe提出的方法?；趯W習的曲面重建方法將統計學和機器學習的思想用于散亂點云的曲面重建，輸入為通過設備得到的點云數據，輸出為逼近的曲面模型，Yumer和Kara使用神經網絡重建網格模型。三角網格由其簡單實用的曲面表達形式和易于渲染、添加紋理等特性得到了廣泛的應用，Delaunay三角剖分的方法用各種不同的方法去實現Voronoi圖和Delaunay三角化。代表算法有Amenta等人提出的Crust算法和Bernardini等人提出滾球法。在Crust算法的基礎上，Amenta、Choi和Cazals提出了Cocone算法以及Amenta、Choi和Kolluri提出了Power?Crust算法。作為常用的曲面重建方法之一的三角剖分技術，既是熱點又是難點問題。一般情況下，在眾多三角剖分算法中，Delaunay三角剖分構建的網格質量是最優的。

目前，散亂點云的Delaunay三角剖分算法主要包括兩類，即空間直接三角剖分算法和投影域三角剖分算法(映射法)?？臻g直接三角剖分算法是指直接在三維空間內進行三角剖分，直接在三維空間內將散亂點云連接成一個優化的空間三角網格，這類算法雖然能夠得到較好的曲面重建效果，但在計算空間拓撲結構和連接三角形計算上較為復雜，效率低下，其算法本身存在很多局限性。投影域三角剖分算法是先將空間的點云數據投影到參數域，在參數域內應用Delaunay三角網格生成算法對其進行網格化，最后將計算結果返回到三維空間區域，由于參數域(如平面區域)的三角網格化技術比較成熟且時間復雜度較低，該方法能夠處理大規模的點云數據。但當參數化后的點云數據有重疊區域時，需要對點云數據進行分塊和連接操作，增加了算法的復雜程度，由于在這種方法中對三維點云進行了降維操作，會在一定程度導致三維空間內的距離信息的丟失。