一种基于散乱点云特征的网格重建方法技术

本发明专利技术公开一种基于散乱点云特征的网格重建方法，包括以下步骤：获取点云的高斯权图拉普拉斯算子，根据算子模长大小，从点云中提取备选种子点；基于所提取的备选种子点，从点云中提取种子点，并由种子点构造出特征线和种子三角面片；根据点云的局部平坦信息，从特征线和种子三角面片中选择活动边；从候选点区域选择最佳点与活动边组成新面片，经过拓扑正确性检查，然后加入到网格中，迭代后构建出二维流形网格。本发明专利技术很好的保持了物体的原状，尤其是尖锐特征，适用于分布不均的点云，进行带边界和封闭的重构，最终输出的结果为二维流形三角化网格。

【技术实现步骤摘要】

本专利技术设及计算机图形处理领域，具体设及一种基于散乱点云特征的网格重建方 法。
技术介绍
随着=维扫描技术的不断发展，可W用激光扫描仪等=维测量仪器精确的得到物 体曲面的=维点云数据。通过散乱的点云数据进行曲面的重建，成为重要的研究内容。曲面 重建在逆向工程、医学影像处理、虚拟现实、机械产品测量造型等领域中具有重要的应用。 目前，网格重构算法有化ppe等人提出的基于等值面抽取的隐式曲面重建算法； 6(161313；101]1]161'等人提出〇-3]13口6方法来重建曲面；王青等人提出基于投影的局部二维快 速增量算法；Kazhan等人提出基于化ssion方程的曲面重构方法。上述算法，生成曲面质 量较低，曲面尖锐细节部分会丢失，并且计算复杂度较高。
技术实现思路
专利技术目的；本专利技术的目的在于解决现有技术中存在的不足，提供一种基于散乱点 云特征的网格重建方法。 技术方案；本专利技术的，包括W下步骤： (1)获取点云的高斯权图拉普拉斯算子，根据算子模长大小，从点云中提取备选种 子点； (2)基于所提取的备选种子点，从点云中提取种子点，并由种子点构造出特征线和 种子S角面片；[000引 （3)根据点云的局部平坦信息，从特征线和种子S角面片中选择活动边； (4)从候选点区域选择最佳点与活动边组成新面片，经过拓扑正确性检查，然后加 入到网格中，迭代后构建出二维流形网格。 进一步的，所述步骤（1)中提取备选种子点的具体过程为： 在；维扫描仪扫描所得散乱点集P=柏|1 =1，…，n}中，若点集P中某一点到其 中任意一点Pi的欧式距离小于半径r，则该点为Pi的邻近点，Pi所有邻近点集合用N(P1) 表示；然后计算点集P中每个点的图拉普拉斯算子kt;，作用于点PiEP，有x(p1) =Pi.X，Y(Pi)=Pi.y，Z也）=Pi.z，其中F为一组nX3维向量，将图拉普拉斯算子Ln,t作用于F得一组新的 向量网M=L.,,F，其中_表示_的第i个向量，即kt作用于PiGP后生成的向量，该 pi|即表示向量的模长，其中模长大于指定阔值的点即为备选种子点。 进一步的，所述阔值根据采样带宽而定，而采样带宽为扫描仪物理参数，若采样带 宽为t，则阔值取值天【主权项】1. ，其特征在于：包括以下步骤： (1) 获取点云的高斯权图拉普拉斯算子，根据算子模长大小，从点云中提取备选种子 占. (2) 基于所提取的备选种子点，从点云中提取种子点，并由种子点构造出特征线和种子 三角面片； (3) 根据点云的局部平坦信息，从特征线和种子三角面片中选择活动边； (4) 从候选点区域选择最佳点与活动边组成新面片，经过拓扑正确性检查，然后加入到 网格中，迭代后构建出二维流形网格。2. 根据权利要求1所述的基于散乱点云特征的网格重建方法，其特征在于：所述步骤 (1) 中提取备选种子点的具体过程为： 在三维扫描仪扫描所得散乱点集P={Pi|i=l，…，n}中，若点集P中某一点到其中 任意一点Pi的欧式距离小于半径r，则该点为Pi的邻近点，Pi所有邻近点集合用N(PD表 示；然后计算点集P中每个点的图拉普拉斯算子Ln，t; 点集P上的坐标函数为F = Ix Y z]，作用于点PiGP,有X (Pi) =Pi. x，Y (Pi) =Pi. y， Z(Pi) =Pi.z，其中？为一组nX3维向量，将图拉普拉斯算子Ln，t作用于P得一组新的向量 t R = L,,., ^其中％表示应的第i个向量，即Ln，t作用于p f P后生成的向量，该||沉|即 表示向量的模长，其中模长大于指定阈值的点即为备选种子点。3. 根据权利要求2所述的基于散乱点云特征的网格重建方法，其特征在于：所述阈值4. 根据权利要求1所述的基于散乱点云特征的网格重建方法，其特征在于：所述步骤 (2) 的具体过程为：给定阈值T p T 2，并为点集P中每个点指定一个新的空领域Nmw(Pi)，若 PiG P领域中点Pj的|m_/|大于给定阈值T i，则Pj成为p i新领域Nmw(Pi)中成员；计算口4新则Pi为种子点；根据上述方法为点集P中所有的点重构新领域，生成种子点集S ;从点集S 中选择Z坐标值最大的点Pi G S，利用K-d树在S中查找距离p 1最近的点p」，连接Pi、Pj组 成边PiPp I IpiPjI I = len，以Ien为短半轴长和焦矩长，作以Pi' Pj为两个焦点的椭圆，椭 圆绕Pi、p/^在直线，旋转一周形成椭球，其中椭球中所有点组成点集E (p iPj)，pk为E (p iPp由上述Pi、Pj和Pk三点组成三角开多，三角形的周长为lijk，最小内角为 0 ijk;计算E(p屮」） 所有点的周长和最小内角，其中最长周长为Imax，最大角为0max;定已遍历点集S1，其中存放点集S中已经过计算的点，如Pp Pj，从排列后的E(PiPj)中选择 点Pk，若Pk为种子点集S中一点，则将Ap iPjPk作为种子三角形，并将p i、Pj、Pk存入S i中， 从s中删除三点；若PkG P，但并不属于S，则将边PiPj作为特征线，将p i、Pj存入SimJA 种子点集S中删除该两点；以及 从已遍历点集Sjlj选择新加入点P k，如果无新加入点可从S中另选一点pk，用K-d树 在种子点集S中查找距离pk最近的点p m，重复上述过程，直到遍历完所有的点。5. 根据权利要求1所述的基于散乱点云特征的网格重建方法，其特征在于：所述步骤 (3) 的具体实现过程如下： 对于给定点Pi的邻近点集N(P D = {Pn，…，Pik}，求点集的平均法向量V，使其中〈> 为向量内积，I I I I为向量模长；进行区域扩张时，处于平坦区域的候选边优先 扩张：根据区域平坦度，边eg的优先级定义为PrUeij) = (f (Vi)+f (Vj))/2,其中￥1与Vj分 别为边eij的两个端点，该优先级pri (e j值越小，边所处区域越平坦，将活动边优先级划分 成若干等级以避免排序，且在扩张中充分考虑区域平坦度。6. 根据权利要求5所述的基于散乱点云特征的网格重建方法，其特征在于：所述法向量，然后将该向量单位化即可；且边eij的优先级可分为五个等级。7. 根据权利要求1所述的基于散乱点云特征的网格重建方法，其特征在于：所述步骤 (4) 的具体过程为： 对于任一点Pi e P，与点p ,邻接的最长边与最短边的长度之比称为点云在点p ,处的采 样均匀度，在重建网格的过程中，若Pi邻接的边没有全部重建出来，则以已经重建出来的邻 接边中，最长边和最短边的长度比，作为点云在点P i*的近似采样均匀度； 对于已经构建的网格，AW为已建成网格的边界，PiPj为边界上一条边，边p iPj候选点 区域的尺寸依赖于其两端点的采样均匀度，为保证候选点区域足够大，取Pi，P#：采样均匀 度的较大值同两端点邻接的两条最短边长度平均值的乘积，令该乘积为s，边P iP^的影响域 为以轴，s为截面半径的圆柱被三个平面T T2,1~3所截得的区域，T p T2,1~3垂直于边 PiPj所在三角面片，T p T2与边p而中点距离为s，T 3经过p而所在直线； 如果在候选点区域增长过程中，在候选点本文档来自技高网...

【技术保护点】
一种基于散乱点云特征的网格重建方法，其特征在于：包括以下步骤：(1)获取点云的高斯权图拉普拉斯算子，根据算子模长大小，从点云中提取备选种子点；(2)基于所提取的备选种子点，从点云中提取种子点，并由种子点构造出特征线和种子三角面片；(3)根据点云的局部平坦信息，从特征线和种子三角面片中选择活动边；(4)从候选点区域选择最佳点与活动边组成新面片，经过拓扑正确性检查，然后加入到网格中，迭代后构建出二维流形网格。

【技术特征摘要】

【专利技术属性】
技术研发人员：曾兰玲，杨保安，靳智龙，张巍，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32