大规模点云数据的球面纹理映射方法

针对点云数据的Delaunay三角网格纹理映射速度慢、映射效果不够细腻及不适合大规模点云数据纹理映射等问题,提出一种基于球面纹理映射的点云数据重建改进方法,并在Qsplat算法的基础上进行实现。采用Qsplat算法对大规模点云数据进行模型重建,利用球面等比约束纹理映射算法建立纹理坐标、球面、点云重建模型三者之间的数学关系,实现大规模点云数据的球面纹理映射。实验结果表明,与传统的三角网格纹理映射相比,该方法可明显提高纹理映射的速度和质量,拓宽球面等比约束纹理映射方法的应用范围,适用于大规模点云数据的纹理映射。     

复杂表面物体3D模型的获取方法

提出了一种从真实物体中获得其3D模型的方法.该方法通过TOF- Camera获得原始的点云数据,在对点云数据进行三角化、分割、滤波去噪等处理后得到部分物体模型,然后再应用ICP(迭代最近点)算法对其进行配准.配准过程中为了节省内存,删掉重叠的冗余数据.最后对生成的数据进行网格重建,得到完整的网格模型.实验表明该方法能较为快速地获取真实物体的3D模型,显著提高TOF相机获取数据的质量.     

一种基于映射法的散乱点云Delaunay三角剖分算法

针对直接在三维空间构建海量点云的Delaunay三角网格效率低下,提出一种新的基于映射法的Delau-nay三角网格构建算法.首先提出一种基于区域增长法的点云分片方法,能够保证对分片后的点云数据进行映射而不产生重叠;然后保持空间点云之间的距离特性,将三维点云映射到二维平面;在二维平面内进行Delaunay三角剖分,再将结果返回到三维空间内.实验结果表明,算法能够构建质量较好的三角网格.由于该算法将点云的三角剖分转换到低维空间,通过实验结果对比本算法与其他算法效果,证明该方法能够更快地完成重构.     

动态生长的自组织神经网络点云重建技术

为了提高自组织特征映射网络算法中点云重建技术的质量、收敛速度和表面精度,提出一种动态生长的自组织神经网络算法.首先基于自组织神经网络算法,构造了球体三角网格作为神经网络的映射结构,正确选择拓扑邻域的环数,通过对大量无规则节点进行网络训练和学习达到神经元节点的分裂,改变了网络结构的固定性,并删除不稳定的网格节点;然后对网格进行优化,让神经元节点与输入的离散点保持更加的紧密,得到较好的点云重建结果.与自组织特征映射算法训练特性相比,该算法减少了计算量,提高了网络训练的收敛速度和离散点云重建的表面精度,特别是针对海量点云数据或者含有大量噪声点云数据的重建效果更明显.     

基于特征约束点的纹理映射算法

纹理映射技术用于生成物体表面的纹理细节,是真实感图形技术的重要组成部分,也是计算机图形学的一个重要研究方向.针对目前很多纹理映射算法计算量大,方法比较复杂的缺点,应用Candide3作为三维网格模型,提出了一种快速有效的基于特征约束点的纹理映射算法.通过在三维网格模型和纹理图像上选取少量对应的特征约束点,利用三角网格剖分算法在纹理图像上建立选取特征点的三角网格.进而通过求取质心坐标的方法计算出三维网格模型上所有特征点的纹理坐标并完成整个三维网格模型的纹理映射.实验结果表明,提出的算法计算速度较快,能够得到高真实度的纹理映射效果,并且适用于不同纹理图像映射到同一三维网格模型上.     

基于压缩体素模型的快速成型直接切片算法*

基于STL文件模型的间接分层切片算法存在缺乏拓扑信息, 面误差诊断修复困难等问题,结合压缩表示形式的体素模型特点,提出了一种新的基于压缩体素模型直接切片分层优化算法.该算法利用Dexel模型记录的Dexel射线和物体交点所表达的物体表面点位置,通过设定分层平面厚度等参数获得截面轮廓数据,生成可直接适用于快速成型系统的共用层接口CLI文件.该算法在虚拟油泥造型系统中得到了应用,实验结果表明算法稳定、分层效果良好.     

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。     

基于三维激光扫描的物体重构建模

物体拍摄环境具有测量数据量大、物体外轮廓信息复杂等特点,采用当前方法能够获得物体精确的三维点云数据,但缺乏颜色和纹理信息,导致物体重构精度不高,真实感较差;为此,提出一种基于三维激光扫描的物体重构建模方法;该方法通过三维激光扫描技术获取物体点云数据,采用显式的欧拉积分方法对物体整个三维曲面进行平滑,依据三角生长法进行物体三维空间三角划分,将物体网格顶点向球面进行映射,由此构造物体三角网格模型,通过迭代最近点算法对物体非同步点云数据初步匹配结果进行精确配准,利用最近点搜索算法将经多视图立体视觉算法优化后的物体颜色信息和三维点云数据坐标相融合;实验结果表明,所提方法可以快速精确地建立物体三维重构模型,验证了所提方法的可行性。     

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson方法。     

面向三维模型分割的边界感知点云神经网络

为了能够更好地应用深度神经网络学习三维模型的空间特征,获得更好的三维模型分割效果,提出面向三维模型分割的边界感知点云神经网络.首先,采用边界感知的网格点云化方法,将网格分割问题转化成点云标记问题;然后,利用数据切片方法对转化而来的点云数据进行重采样;最后,利用不同大小卷积核的滤波器提取点云数据的空间特征,并将点云标记的结果对应到原网格模型,得到三维模型分割的结果.在ShapeNetCore数据库上的实验结果表明,该方法不仅能够明显地提高分割的准确率,而且具有边界感知的特性,能够有效地避免过分割现象.     

全局各向异性四边形主导网格重建方法

四边形网格的结构特点要求网格单元满足全局一致性,难以取得网格质量与表达效率之间的平衡.为此,提出一种基于全局的各向异性四边形主导网格重建方法,可生成网格质量好且冗余程度低的四边形网格.重建过程以主曲率线为基本采样单元,首先计算模型表面的主曲率场并对主曲率场积分,得到密集的主曲率线采样;再根据贪心算法,利用几何形体自身的各向异性找出冗余度最高的主曲率线并予以删除;如此循环,直至达到理想的采样密度.该重建方法适用于任意拓扑网格模型,所得到的各向异性四边形主导网格在网格模型分辨率下降时,由于始终保留重要主曲率线,从而可以更好地保持模型特征.同时,在基于贪心算法的渐进式主曲率线删除过程中,可产生分辨率连续可调的四边形主导网格.     

使用Lloyd Relaxation的物体表面网格化

根据输入的物体表面点云生成与表面点云拓扑结构一致且几何形状接近的三角网格,在计算机图形学建模中具有很重要的作用,提出一种基于Lloyd relaxation的模型表面点云网格化方法.首先从输人点云中随机选取一些样本点,样本点的数目可以指定;然后运用扩展的Lloyd relaxation算法将这些样本点沿着物体表面移动;当得到一个近似均匀的样本点分布后,运用改进的"crust"算法根据这些样本点生成三角网格.通过在每次relaxation过程中减少网格和曲面间体积的方法,使生成的三角网格与原始表面点云的几何形状接近.实验结果证明,该方法能正确、有效地生成输入点云模型的三角网格,并可以运用在三维物体表面重建和网格简化上.     

基于Gregory法的N边域非自交结构网格生成

提出了在N边域裁减参数曲面上生成非自交光顺结构网格的方法。利用Gregory法,首先在参数坐标平面上将N边域分成N个四边形区域,并生成每个四边形区域内的网格,然后通过映射获得三维空间上的网格坐标点。为消除映射过程中所产生的自交现象,根据非自交特性和光顺网格的特点,提出了优化目标函数,并采用共轭梯度数值解法获得了最优解。利用该方法可以获得N边域上非自交光顺的结构网格,拓展了N边域裁剪曲面的使用范围。     

改进的采样一致性点云配准算法

为解决传统迭代最近点(iterativeclosestpoint,ICP)算法存在配准效率低等问题,提出一种改进的采样一致性点云配准算法。通过自适应体素网格滤波法对点云进行处理,可以根据点云量级自动修改体素立方体大小,剔除偏差较大的噪点,降低点云数据量级;在快速点特征直方图(fastpointfeatureshistogram,FPFH)中引入距离的二次函数,降低远距离邻域点的权值,提高近距离邻域点的权值。运用公开数据集Bunny点云数据进行实验的结果表明,该算法相对于传统点云配准算法的配准精度提升了54.65%,配准效率提升了39.39%。运用多组数据验证了该算法的有效性。     

四边形网格生成中的前沿边生长改进算法

为提高B样条曲面重构中点云四边形网格的生成效率和质量,对现有的四边形网格Q-Morph前沿边生长算法进行改进,提出面向四边形网格生成的三角网格拓扑优化方法,通过设定生长限制条件和调整网格顶点度,保证全局四边形网格质量,实现适合复杂曲面重构的规则四边形网格获取。实例结果表明,该算法效率高、适应性好,生成的四边形网格具有分布均匀、不规则网格数量少的优点。     

自适应的基于点云的CAD模型重建方法

基本的随机抽样一致性(RANSAC)算法无法根据点云模型的噪声自适应地设定分割参数,并有效判断点云数据是否被合理分割。针对该问题,提出了一种自适应的基于点云模型的计算机辅助设计(CAD)模型重建方法。该方法采用RANSAC算法从点云数据中提取基本形状体素,使用直方图法分析点到相应形状体素表面的投影距离。对分割不合理的区域,按照该点云面片的高斯噪声设置新的分割参数,再次进行形状提取。经过一定轮数的迭代,该方法可以合理提取点云模型中的细小形状体素。然后通过校准形状体素的位置和方向、根据相邻形状体素之间的交线裁剪形状体素,实现CAD模型的重建。最后,以误差分布图和直方图分析了原始点云数据中点到CAD模型表面投影距离,有70.71%的点的投影距离不超过点云模型包围盒高度的1%。实验结果表明,以点云包围盒高度的1%为尺度向实验数据中加入噪声时,该方法仍能够通过自适应设置分割参数提取出合理的细小体素。     

四边形网格优化中的螺旋条带生成

已有的四边形网格的简化及优化方法大多数都是三角形网格简化在局部几何上的推广.四边形网格的结构受螺旋条带的影响,移除四边形网格中的螺旋条带则可以在拓扑结构上明显提高四边形网格的质量.文中具体讨论了四边形网格上螺旋条带与网格上奇异点的关系及其性质,并根据这个性质给出了四边形网格中螺旋条带的一般生成算法.实验结果表明,该算法可以有效地搜索四边形网格上的螺旋条带,进而通过删除螺旋条带优化四边形网格的拓扑结构.     

高精度自适应的四边形网格重建

提出了海量数据点集的四边形网格重建算法。首先根据精度要求简化数据 点,按一定规则连接相邻的简化数据点生成多边形网格,对网格中高斯曲率较大的顶点进行 局部细分提高其精度,然后对多边形网格进行整体细分使其全部转化为四边形网格,最后分 裂度较大的顶点对其进行优化。实验结果表明,算法对拓扑结构较为复杂的海量数据点集的 四边形网格重建是行之有效的。     

三维地质界面网格模型构建算法研究

三维地质模型主要包含地质构造模型和地质属性模型。提出一种局部映射-边界控制的曲面三角化网格模型构建算法,与映射法相比,减少三维空间点映射到二维平面的计算过程,避免因多点到一点的映射关系而生成错误的三角化网格模型。基于地质测量数据特点,原始地质数据经处理后采用点集合形式表示,基于点集数据构建三维三角化网格模型,模拟地质界面的展布形态,控制三角网格质量。采用两种网格边界控制方法,在有边界约束数据和无边界约束数据条件下均能自动更新地质界面三角化网格模型边界。基于断层点数据集测试并展示算法构建的三维三角化网格模型可视化效果,通过断层面三角化网格模型能够反映断层面之间空间位置关系。     

一种新的虚拟血管镜自动导航路径生成方法

血管的中心路径提取是虚拟血管镜的重要组成部分, 它提供了自动导航的路径. 本文提出一种新的内窥路径生成方法, 用改进L1中值算法对体素点云化的脑血管数据进行骨架的提取. 首先,对核磁共振成像(Magnetic resonance imaging, MRI)增强血管数据进行基于统计的分割算法进行分割; 其次,对推广的Roberts算子在体素空间分割出的单体素点边界进行体素点的点云化, 生成点云模型; 最后,在点云空间中运用基于法向信息的L1中值算法进行骨架提取. 该过程克服了传统方法在体素中进行骨架提取时对数据缺失、孤点敏感的局限性, 并且对下采样后的点云化数据提取的骨架效率高, 骨架居中性较好, 最终把骨架用作脑血管虚拟内窥的自动漫游路径, 实现自动导航.