三維點云數(shù)據處理的技術研究.pdf

1、在計算機輔助幾何設計、計算機動畫、逆向工程、醫(yī)學診斷、娛樂業(yè)等應用需求的推動下，三維點云數(shù)據處理技術受到越來越多的關注。人們可以通過很多種不同的方式獲取現(xiàn)實世界中物體在計算機中的三維數(shù)據表示，本文的研究內容是將利用三維激光掃描儀獲取的離散的三維點云數(shù)據，通過去噪光順、特征檢測、簡化，獲得能夠更加準確表示現(xiàn)實世界中物體以及更適合應用的三維點云數(shù)據模型；并在此基礎上對點云數(shù)據模型進行參數(shù)化以及曲面重建，獲得三維物體的參數(shù)化、曲面和多邊形模型

2、描述，以便將其輸出到虛擬環(huán)境中，完成從真實世界到虛擬世界的轉換。
　　本文取得的主要成果總結如下：
　　1.提出了兩種三維點云數(shù)據去噪算法。第一種是結合點云權重模糊C均值聚類算法(PWFCM)和點云雙邊濾波方法(PBF)的算法，它利用噪聲的屬性，將噪聲分為大尺度噪聲和小尺度噪聲，將大尺度噪聲直接去除，小尺度噪聲移向PWFCM聚類中心并進行一次點云雙邊濾波光順，避免了迭代計算，可以較好地保持模型的尖銳特征。第二種算法，適用于噪

3、聲環(huán)境復雜、數(shù)據點集規(guī)模較大的情況，它先利用點云邊界檢測去噪算法(PBD)檢測并去除噪聲，再對剩余的大尺度噪聲，利用點云權重模糊C均值聚類算法(PWFCM)算法直接去除，可以減少數(shù)據量并可避免濾波產生的過光順。
　　2.提出了一種基于曲率和密度的三維散亂點云數(shù)據模型的特征點檢測算法(CDFD)。該算法在特征檢測時，利用三維點云數(shù)據模型的幾何局部信息，包括鄰居點的平均距離、鄰居點法向夾角和曲率，來估計數(shù)據點的特征參數(shù)，然后利用數(shù)據點

4、密度和模型到中心點的最大距離確定一個閾值，特征參數(shù)大于閾值的點被判定為特征點。該算法在不同的數(shù)據集上都能得到很好的實驗結果，為模型簡化和曲面重建提供比較好的基礎。
　　3.提出了一種模型均勻采樣方法，該方法利用特征檢測的結果，將三維點云數(shù)據模型的特征點和非特征點分離出來，對非特征點模型的球面參數(shù)化結果進行Isocube球面采樣，可以得到比較均勻的采樣結果。定義不同的采樣率，就能得到非特征點模型多分辨率、均勻的簡化模型，將模型特征點

5、進行保護，不參加簡化算法，可以最大程度的保留模型的尖銳特征。
　　4.提出了一種三維點云數(shù)據模型的幾何圖像參數(shù)化方法。將點云模型進行球面參數(shù)化、正八面體參數(shù)化以及正八面體展開，得到三維點云數(shù)據模型的二維平面參數(shù)化結果，也就是幾何圖像模型。這樣的參數(shù)化方法不需要進行多邊形化和曲面擬合操作，因此計算量小，容易實現(xiàn)，而且參數(shù)化模型的幾何變形很小。將三維點云模型轉化到二維的幾何圖像模型后，很容易實現(xiàn)對幾何圖像進行重采樣和Morphing操

6、作，并逆映射回三維點云模型。
　　5.以第三章點云模型的特征檢測結果和第四章Isocube點云模型的簡化結果為研究對象，提出了利用單尺度和多尺度的緊支撐徑向基函數(shù)對點云模型插值，可以實現(xiàn)多分辨率的曲面插值的重建方法，該方法利用共軛梯度算法求解線性方程組可以減少計算量，提高計算速度。實驗結果表明此方法對不同數(shù)據量的模型都可以得到很好的曲面重建結果。
　　6.構建三維點云數(shù)據處理的實驗系統(tǒng)，該系統(tǒng)實現(xiàn)了從真實世界物體形狀信息中重