三維重建過程中的點(diǎn)云數(shù)據(jù)處理技術(shù)研究.pdf

1、隨著點(diǎn)云數(shù)據(jù)模型在三維實(shí)體造型中越來越廣泛的應(yīng)用，三維模型重建已經(jīng)成為逆向工程、工業(yè)檢測(cè)、文物保護(hù)，醫(yī)學(xué)圖像處理等領(lǐng)域的熱點(diǎn)研究?jī)?nèi)容。然而由于三維掃描過程中設(shè)備抖動(dòng)、人為影響等客觀因素的存在，導(dǎo)致獲得的三維點(diǎn)云數(shù)據(jù)不可避免會(huì)受到“噪聲”的污染，再加上點(diǎn)云數(shù)據(jù)量龐大，這將影響到后續(xù)重建模型的顯示、存儲(chǔ)及處理效率。因此，研究三維點(diǎn)云數(shù)據(jù)處理技術(shù)，對(duì)如何保證曲面重建模型的精度和效率具有重要的意義。
　　點(diǎn)云數(shù)據(jù)處理完整流程包括點(diǎn)云去噪、

2、點(diǎn)云精簡(jiǎn)、點(diǎn)云配準(zhǔn)、特征識(shí)別、區(qū)域分割、幾何估算、模型重建等方面。針對(duì)該流程中的點(diǎn)云去噪、點(diǎn)云精簡(jiǎn)、點(diǎn)云配準(zhǔn)這三個(gè)方面，論文的主要工作及研究?jī)?nèi)容如下：
　　首先，為從含噪聲的散亂點(diǎn)云數(shù)據(jù)中提取出理想目標(biāo)點(diǎn)云，本文提出一種基于改進(jìn)K-means聚類算法的點(diǎn)云數(shù)據(jù)去噪算法。該算法能夠很好地自動(dòng)識(shí)別及去除局部離群噪聲點(diǎn)，最大程度的保留了理想點(diǎn)云的原始掃描信息。實(shí)驗(yàn)表明：相比于全局點(diǎn)云去噪,該算法迭代時(shí)不需要遍歷全局?jǐn)?shù)據(jù)，迭代次數(shù)減少，時(shí)

3、間損耗得到降低，去噪效率得到有效提高。
　　其次，針對(duì)點(diǎn)云數(shù)據(jù)的冗余會(huì)嚴(yán)重影響曲面重構(gòu)速度和重建模型光順性的問題，本文提出一種結(jié)合點(diǎn)云曲率和法向的點(diǎn)云數(shù)據(jù)精簡(jiǎn)算法。該算法通過提出一種能夠確定最佳聚類數(shù)的改進(jìn)K-means聚類算法構(gòu)建散亂點(diǎn)云數(shù)據(jù)點(diǎn)的空間拓?fù)潢P(guān)系；其次，綜合考慮類內(nèi)點(diǎn)云數(shù)據(jù)點(diǎn)的曲率及法向量方向，并將兩者加權(quán)獲得特征因子，從而通過特征因子來判斷三維數(shù)據(jù)點(diǎn)是否為特征點(diǎn)；最后，通過設(shè)定特征因子的閾值來簡(jiǎn)化不同類內(nèi)的點(diǎn)云數(shù)據(jù)

4、，從而得到含特征的點(diǎn)云數(shù)據(jù)。實(shí)驗(yàn)表明：該算法提高了簡(jiǎn)化效率，能夠更好地保留點(diǎn)云數(shù)據(jù)的細(xì)節(jié)特征和幾何形狀。
　　最后，針對(duì)現(xiàn)有迭代最鄰近點(diǎn)（ICP）算法在點(diǎn)云數(shù)據(jù)配準(zhǔn)過程中查找對(duì)應(yīng)最近點(diǎn)速度緩慢、配準(zhǔn)效率低的問題，本文提出一種采用點(diǎn)云重心距離進(jìn)行邊界檢測(cè)的點(diǎn)云數(shù)據(jù)配準(zhǔn)新算法。在對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行粗配準(zhǔn)的前提下，通過點(diǎn)云重心距離特征對(duì)待配準(zhǔn)的不同視角點(diǎn)云進(jìn)行邊界提?。辉诖嘶A(chǔ)上，利用K-D樹在兩點(diǎn)云邊界中查找對(duì)應(yīng)最近點(diǎn)對(duì)，并通過單位四元數(shù)