基于點云的模型重建與繪制技術(shù)研究.pdf

1、近年來，三維幾何造型所需表示的細(xì)節(jié)越來越豐富、模型的規(guī)模和復(fù)雜程度越來越高。采用傳統(tǒng)的基于三角片的繪制方法，必需先根據(jù)采樣點生成三角片，這無疑是件費(fèi)時且容易出錯的事。如果有一種方法能夠直接從獲得的采樣點上造型并繪制出視覺等價的物體表面，這將具有極大的實際意義。 基于點的造型與繪制方法正是在這樣的應(yīng)用背景下發(fā)展起來的。與傳統(tǒng)的三角片制方法相比，點的造型與繪制方法不包含點與點之間的連接關(guān)系，繪制時不需要維護(hù)模型的拓?fù)湟恢滦?，便于重?/p>

2、樣，可以建立靈活的層次結(jié)構(gòu)來實現(xiàn)多分辨率繪制。另外，點的造型與繪制方法更適合繪制水流、羽毛、頭發(fā)、火焰、樹這些具有細(xì)小的特征和非常復(fù)雜的輪廓線的有機(jī)模型。 基于此，國內(nèi)外眾多學(xué)者做了大量的工作，本文在分析和總結(jié)他人工作的基礎(chǔ)上對點云數(shù)據(jù)的局部幾何特性、曲面重構(gòu)及不規(guī)則物體繪制方面進(jìn)行了研究，其主要工作包括有： 1．在點云數(shù)據(jù)的局部幾何特性方面，文章在數(shù)據(jù)分割基礎(chǔ)上給出了一種改進(jìn)的散亂數(shù)據(jù)點k近鄰搜索算法。首先在綜合考慮數(shù)

3、據(jù)集的范圍、點的總數(shù)及最近點數(shù)k搜索效率的情況下，確定了柵格邊長有效范圍，并對點云空間進(jìn)行首次分割；在此基礎(chǔ)上考慮到點云分布密度，并估算點云平均點距，利用點距估算結(jié)果判斷其與有效邊長范圍的關(guān)系，從而選擇新的柵格邊長對點云數(shù)據(jù)空間重新進(jìn)行劃分。分塊結(jié)果使得k近鄰搜索算法的搜索空間減小、搜索效率進(jìn)一步提高。 2．在曲面重構(gòu)方面，利用徑向基函數(shù)(Radius Basis Function，RBF)神經(jīng)網(wǎng)絡(luò)對非線性函數(shù)的逼近，以及強(qiáng)大的

4、抗噪、修復(fù)能力等特點，對散亂點進(jìn)行曲面重構(gòu)。文章在已有RBF神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上提出了一種采用相關(guān)系數(shù)自動確定網(wǎng)絡(luò)隱含層核函數(shù)半徑大小的方法。給出了算法的具體分析和實現(xiàn)步驟，并將該模型應(yīng)用于帶有高斯噪聲的散亂點曲面重構(gòu)。與利用傳統(tǒng)方法確定的RBF模型相比，該RBF網(wǎng)絡(luò)模型的整體逼近精度更高，修復(fù)和抗噪性能強(qiáng)，且得到的曲面光順性好。 3．在不規(guī)則物體繪制方面，文章采用粒子和紋理繪制技術(shù)相結(jié)合的方法對不規(guī)則物體火焰進(jìn)行繪制。采用粒子