一种改进的自适应三角剖分算法*

现有的大多数散乱点云三角剖分算法存在细节特征表现不足和适应性不强的问题,为此改进了一种自适应的三角网格剖分算法。此方法将Shepard曲面插值与多尺度分析方法相结合;引入改进的八叉树搜索思想,加细搜索进而估算出点云中每个测量点的曲率;生成带自适应分辨率的分层空间栅格,最终实现自适应的三角网格重构。实验结果表明,经改进的算法,形成的三角网格质量较高,能够较好地再现原三维物体的细节特征,且效率较高,适用广泛。     

一种散乱点云空间直接剖分算法

散乱点云的三角剖分在曲面重建中发挥着重要作用。在对三角剖分基本方法深入分析的基础上对此类点云提出了一种高效的重构算法。本算法将基于动态球策略的搜索算法引入到曲面重建中,源于增量式计算的思想,结合约束准则和设计的顶点度量函数,从基础三角面片开始扩展到覆盖整个物体表面。分析及实验结果表明,该算法能有效地对点云数据进行三角网格化,同时剖分后的三角网格曲面最大限度地保持了原有曲面的特性,证明了提出的基于动态球的曲面重构算法应用于散乱点云曲面重构问题的可行性。     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

针对密集点云的快速曲面重建算法

为了能够快速地从高密度散乱点云生成三角形网格曲面,提出一种针对散乱点云的曲面重建算法.首先通过逐层外扩建立原始点云的近似网格曲面,然后对近似网格曲面进行二次剖分生成最终的精确曲面;为了能够处理噪声点云,在剖分过程中所有网格曲面顶点都通过层次B样条进行了优化.相比于其他曲面重建方法,该算法剖分速度快,且能够保证点云到所生成的三角网格曲面的距离小于预先设定容限.实验结果表明,文中算法能够有效地实现高密度散乱点云的三角剖分,且其剖分速度较已有算法有大幅提高.     

一个利用法矢的散乱点三角剖分算法

曲面上散乱点的三角剖分在曲面重建中发挥着重要作用,借助于曲面上的法矢信息和三维Delaunay三角剖分算法,该文给出了一种新的散乱点三角剖分算法,输入一组散乱点以及所在曲面S在这些散乱点处的一致定向的法矢信息,该算法将产生一张插值散乱点的三角网格曲面M,并且曲面M可以近似地看成是曲面S的三角剖分,算法的主要步骤分为两步：首先通过曲面S的一致定向的法矢信息,在曲面S的同一侧添加辅助点,利用这些辅助点来剔除Delaunay三角剖分中产生的不需要的三角片;然后将剩余的三角片连接成一张完整的网格曲面,与基于中轴的三角剖分算法相比,该文算法需要更少和更简单的计算,与局部三角剖分算法相比,该文算法可以更有效地避免重建后的曲面产生自交,该文的算法可用于任意拓扑的光滑曲面重建。     

一种基于点云数据的快速曲面重构方法

研究激光扫描中的点云数据重构技术,提出一种基于规则点云数据的快速曲面重构方法。分析相邻扫描线之间数据点的相对位置关系,在三角剖分的基础上,设计改进的扫描线剖分算法,根据激光逐行扫描的特点,对点云数据进行不规则三角网格划分,利用几何关系进行配对构网,并在所建三角模型的基础上实现三角网格的局部优化和纹理映射,得到重建模型。实验结果表明,与传统Delaunay空间三角剖分算法相比,该算法可明显提高三角构网速度和质量,消除空洞,改善重建效果。     

结合Delaunay 三角面分离法与搜索球策略的三维曲面重建算法

基于曲面重建在计算机图形学、三维GIS、逆向工程等领域有重要应用,结合区 域生长法与Delaunay 三角剖分的优势,提出了一种新的散乱点云曲面重建算法。首先根据曲面 中轴性质提出了分离角定义并推导了相关结论,利用局部Delaunay 三角形分离角性质抽取大量 位于模型表面三角形,从而构建种子三角网增加初始区域的生长面积其次运用自适应搜索球法 加快邻域三角形搜索并识别曲面边界。对比传统的基于Delaunay 法和传统区域生长法,该方法 只需要一次三角剖分,无需极点与法向量计算,重建速度快,具有Delaunay 三角网格的优良结 构特性,孔洞数量少,重建出的三维模型几何信息与拓扑关系准确。实验表明,结合Delaunay 三角剖分与区域生长法重构有向的流形三角网格模型,能够提高三维模型的重建效果与速度, 有效地自动识别曲面边界。     

基于变形网格法的高密点云曲面重建

针对散乱点云庞大的特点,为提高其曲面重构效率,提出了一种三维高密散乱点云的曲面重建方法。该法首先构建一均匀网格,再通过拟合网格每个单元格的顶点到所输入点集中最近的点来实现对网格单元格进行变形,然后根据每个单元格中顶点状态模型构建三角片。该方法运行速度快,占用内存少。最后通过实例分析验证了该方法的有效性。     

一种大规模散乱数据自适应压缩与曲面重建方法

针对大规模散乱数据点云,提出了一种基于曲率与距离的三角网格抽样方法。算法既能保证所生成网格曲面中每个三角片具有较好的形状,又能较鲜明地刻画曲面的细节特征。同时还能将原先规模较大的点云压缩到事先可控的数量上,是一种简单高效的自适应压缩和曲面生成方法。     

结构光视觉三维点云逐层三角网格化算法

针对结构光视觉恢复的大规模三维点云的可投影特点,提出一种基于投影网格的底边驱动逐层网格化曲面重建算法。该算法首先将点云投影到一个二维平面上;然后基于点云投影区域建立规则投影网格,并将投影点映射到规则二维投影网格上,建立二维网格点与三维点云间的映射关系;接着对投影网格进行底边驱动的逐层网格化,建立二维三角网格;最后根据二维投影点与三维点的对应关系及二维三角网格拓扑关系获得最终的三维网格曲面。实验结果表明,算法曲面重建速度快,可较好地保持曲面细节特征。     

基于快速Delaunay三角化的散乱点曲面重建算法

针对现有三维重建算法速度较慢的问题,提出了一种基于快速Delaunay三角化的散乱数据点的三维重建算法。首先,提出一种新的平面Delaunay三角化插入点目标三角形定位算法,利用插入点的方向搜索线与三角形是否相交以及交点个数加速目标三角形定位,不用额外判断点是否在三角形内;其次,自动检测曲面漏洞,利用凸壳的边界拼接方法进行漏洞弥补。实验结果表明,本算法不仅能较好地重建出三维模型,而且有较高的效率。     

基于曲面局平特性的散乱数据拓扑重建算法

提出了一种基于曲面局平特性的,以散乱点集及其密度指标作为输入,以三角形分片线性曲面作为输出的拓扑重建算法.算法利用曲面的局平特性,从散乱点集三维Delaunay三角剖分的邻域结构中完成每个样点周围的局部拓扑重建,并从局部重建的并集中删除不相容的三角形,最终得到一个二维流形拓扑曲面集作为重建结果.该算法适应于包括单侧曲面在内的任意不自交的拓扑曲面集,并且重建结果是相对优化的曲面三角形剖分,可以应用于科学计算可视化、雕塑曲面造型和反求工程等领域.     

Direct generation of extended STL file from unorganized point data

An extended STL file format is presented in this paper. Differing with existing solutions, it proposes a new format to produce and store triangles. The format uses a cluster unit composed of several triangles. The main advantages of the format are that it contains both geometry and topological information and has improved storage capability. Direct generation of the extended STL from the scanned data has a great advantage in that it can reduce the time and error in modeling process. In order to obtain the format from unorganized point cloud, a new triangulation algorithm was introduced. The algorithm is based on reconstructing the relative Delaunay triangulation of the sample points on the surface. Other advantages of the extended STL format were also presented in this paper.     

散乱数据点的增量快速曲面重建算法

给出了一个新的散乱数据的曲面重建算法.算法充分利用邻近点集反映出的局部拓扑和几何信息,基于二维Delaunay 三角剖分技术快速地实现每个数据点的局部拓扑重建,然后通过自动矫正局部数据点的非法连接关系,以增量扩张的方式把局部三角网拼接成一张标准的整体二维流形网格.该算法在重建过程中能自动进行洞的检测,判断出散乱数据所蕴涵的开或闭的拓扑结构.实验结果表明,该算法高效、稳定,可以快速地直接重构出任意拓扑结构的二维流形三角形网格.     

一种面向三维点集的快速表面重构算法

在对目前比较流行的空间三角化算法进行对比研究的基础上 ,对 Hugues Hoppe提出的算法进行了改进 ,即借鉴 Marching Cubes算法的基本思想 ,首先通过自动选取适当的参数 ,用包围盒方法将三维散乱点划分为数据区域 ;然后求取点的切平面及法向 ,同时采用广度优先算法遍历数据点来调整法向和快速地求取 Marching Cubes的等势函数 ;最后用基于查表法的 Marching Cubes来输出三角面片 ,即得到表面模型 .实验结果表明 ,改进后的算法效率有较大的提高 .新算法不仅适用于表面三维散乱点数据 ,也可以对体数据进行重构 ,具有一定的通用性 .     

GPU Local Triangulation: an interpolating surface reconstruction algorithm

A GPU capable method for surface reconstruction from unorganized point clouds without additional information, called GLT (GPU Local Triangulation), is presented. The main objective of this research is the generation of a GPU interpolating reconstruction based on local Delaunay triangulations, inspired by a pre‐existing reconstruction algorithm. Current graphics hardware accelerated algorithms are approximating approaches, where the final triangulation is usually performed through either marching cubes or marching tetrahedras. GPU‐compatible methods and data structures to perform normal estimation and the local triangulation have been developed, plus a variation of the Bitonic Merge Sort algorithm to work with multi‐lists. Our method shows an average gain of one order of magnitude over previous research.     

Direct quad-dominant meshing of point cloud via global parameterization

In this paper, we present a new algorithm for quad-dominant meshing of unorganized point clouds based on periodic global parameterization. Our meshing method is guided by principal directions so as to preserve the intrinsic geometric properties. We use local Delaunay triangulation to smooth the initial principal directions and adapt the global parameterization to point clouds. By optimizing the fairness measure we can find the two scalar functions whose gradients best align with the guided principal directions. To handle the redundant vertices in the iso-lines due to overlapped triangles, an approach is specially designed to clean the iso-lines. Our approach is fully automatic and applicable to a surface of arbitrary genus. We also show an application of our method in curve skeleton extraction from incomplete point cloud data.     

A Delaunay-based region-growing approach to surface reconstruction from unorganized points

This paper presents a Delaunay-based region-growing (DBRG) surface reconstruction algorithm that holds the advantages of both Delaunay-based and region-growing approaches. The proposed DBRG algorithm takes a set of unorganized sample points from the boundary surface of a three-dimensional object and produces an orientable manifold triangulated model with a correct geometry and topology that is faithful to the original object. Compared with the traditional Delaunay-based approach, the DBRG algorithm requires only one-pass Delaunay computation and needs no Voronoi information because it improves the non-trivial triangle extraction by using a region-growing technique. Compared with the traditional region-growing methods, the proposed DBRG algorithm makes the surface reconstruction more systematic and robust because it inherits the structural characteristics of the Delaunay triangulation, which nicely complements the absence of geometric information in a set of unorganized points. The proposed DBRG algorithm is capable of handling surfaces with complex topology, boundaries, and even non-uniform sample points. Experimental results show that it is highly efficient compared with other existing algorithms.