基于三維點云的曲面重建技術研究.pdf

1、隨著三維激光掃描技術、計算機視覺及計算機圖形圖像學的高速發(fā)展，基于三維點云的曲面重建技術成為了國內(nèi)外學者研究的熱點，并廣泛應用于科學可視化、工業(yè)設計、城市建模、歷史文物保護、醫(yī)學圖像模擬等領域。基于三維點云的曲面重建的研究，取得了一定成績。但是，基于三維點云的曲面重建中，重要數(shù)據(jù)預處理的點云去噪和點云簡化，依然存在著幾何特征丟失過多的問題，并且重建核心的曲面重建，也同樣存在重建時間長、效率低等實時性問題。本文針對以上出現(xiàn)的問題進行了研究

2、和改進，其主要內(nèi)容如下：
　　1、點云數(shù)據(jù)去噪光順。針對原始點云數(shù)據(jù)模型中存在很多低幅度噪聲和離群點問題，提出了一種基于噪聲分類的雙邊濾波點云去噪算法。該算法對噪聲進行了尺度的細分，將其分為大尺度和小尺度噪聲，先用統(tǒng)計濾波結合半徑濾波對大尺度噪聲進行去除，然后使用強魯棒性和保特征性的改進雙邊濾波對小尺度噪聲進行光順，最終實現(xiàn)點云數(shù)據(jù)模型去噪光順。實驗結果表明，與Fleishman雙邊濾波去噪算法相比，該算法對噪聲進行尺度的細分，既

3、能有效地去除點云噪聲，又能避免過光順和幾何失真，較好地保持模型中的細節(jié)特征，具有較強的魯棒性和保特征性。
　　2、點云數(shù)據(jù)簡化。針對三維點云數(shù)據(jù)中冗余量大和執(zhí)行效率低的問題，提出了一種基于體素化柵格下采樣的點云簡化算法。該算法通過求出點云數(shù)據(jù)的最小長方體包圍盒，將長方體包圍盒分割成一系列小柵格，并將全部點云數(shù)據(jù)都劃分到小柵格中去，求出每個數(shù)據(jù)點的k近鄰，進行法向量估計，然后在此基礎上選擇離小柵格重心最近的點來代表小柵格中所有點，從

4、而實現(xiàn)點云簡化。實驗結果表明，與基于包圍盒點云簡化算法相比，該算法不僅能夠有效地降低冗余點云的數(shù)量，較好地保留了原始模型的主要幾何特征，而且可以加快三維點云數(shù)據(jù)的重建速度，減少渲染時間。
　　3、點云數(shù)據(jù)曲面重建。針對Power Crust曲面重建算法重建效率低的問題，提出了一種基于Power Crust的快速曲面重建算法。該算法利用體素化柵格下采樣減少參與曲面重建的點云數(shù)量，并結合Visualization Toolkit(VT