基于Delaunay三角剖分的点云三维网格重构

【摘要】：随着计算机视觉领域相关技术的不断成熟,多种立体重建技术越来越受到人们的关注。点云处理和网格重建技术已成相关领域的热点内容。如何通过扫描仪获得精确度更高的点云,如何祛除噪声点,如何使重建网格更加完美,成为三维网格重构算法中的热点研究内容。本文将重点研究点云精简、重构技术以及Openg GL仿真。具体内容如下:本文将传统的包围盒点云精简算法与曲率采样点云精简算法进行了结合,得到了基于包围盒和曲率的改进精简算法。首先利用包围盒算法对点云进行结构拓扑并建立K邻域,随后将每个小包围盒内的点云进行曲面拟合并计算曲率,最后计算出平均曲率H。再使用非均匀网格法对点云进行划分,再次计算曲率并求出每个小包围盒的平均曲率?)n0i](i[HT?,将]i[HT与H进行比较,并制定简化规则。实验表明通过分区精简,可以实现冗余点的快速删除处理。其次,本文对三角网格生长算法进行了修正,得到了附加约束项的三角网格生长算法。该算法主要思想是对传统的三角网格生长重建算法进行改进附加约束项,使重建出的三角网格不会产生孔洞,且均接近正三角形。结果表明,此算法的处理结果比较完美,可以避免孔洞。最后,总结了本文中的相关工作,并对今后所需工作进行了展望。