基于移动最小二乘法的点云平滑及重采样

将点云进行三维重建符合人们的视觉习惯,可以逼真地反映场景的立体效果,并且可以方便地进行多角度显示。针对贪婪投影三角化重建结果中存在的曲面不光滑且存在孔洞等问题,提出了使用移动最小二乘法来进行点云的平滑、重采样处理。实验表明,通过移动最小二乘法进行先平滑后采样的方法比直接使用贪婪投影三角化算法或仅平滑处理、采样处理再重建的效果都要好。     

分片驱动的特征敏感曲面重建

为健壮处理包含尖锐特征或欠采样的数据点集,通过对基于边界推进曲面重建技术的扩展,提出一种分片驱动的、特征敏感的对无方向散乱数据点集进行曲面重建的算法.在一个光滑阈值的控制下,将曲面重建过程分成分片重建和特征缝合2个阶段.在分片重建中,从光滑的种子三角化区域开始进行边界推进三角化,并通过拓扑元素分类与特征检测对边界光顺和特征重定位,以进一步扩展该分片,重复该过程,得到对光滑区域三角化的一系列光滑分片;特征缝合阶段,在边界推进过程中将所有分离的分片或分片中的缝隙缝合在特征区域.这种两阶段的三角化策略可有效地处理含尖锐特征或不规则采样如不充分采样的点集,无需保证拓扑完整性的复杂数学测试,如协变分析和三角形相交检测等,基于局部光滑曲面的求交,可有效地恢复采样点集丢失的特征信息.实验结果表明,采用文中算法能健壮处理不规则采样点集,并生成特征敏感的高质量网格.     

基于匹配测度加权求解基础矩阵的三维重建算法

双视图三维重建中引入了同名特征点的匹配测度,为提高基础矩阵F的精度提供了数据处理指导,将特征点匹配和F解算及三维重建环节连接成一个整体。在分析特征点提取、匹配方法的基础上定义了同名点匹配测度函数。用测度函数作为匹配点的权值对归一化8点求解F的算法进行加权,并使用随机采样一致性(RANSAC)鲁棒算法解决匹配野值问题。根据已知的像机内参数，从基础矩阵中分解相对运动，并用模型的内点进行运动优化，最后三角交会得到三维重建结果。实验结果表明,此算法达到了线性求解F矩阵和三维重建的鲁棒性高精度实现。     

基于轮廓线的三维网格曲面绘制

在融合了交互式轮廓绘制与网格造型技术的基础上,提出了一种快速三维网格曲面建模方法.根据绘制轮廓线的特征点分布,进行约束化三角网格剖分,提取二维轮廓线的骨架;选取骨架点和采样点投影到三维空间椭球曲面,并引入二面角原则,优化了空间离散数据点的三角化算法;最后缝合骨架点,获得三维网格曲面表示.实验结果表明了该算法的直观性、高效性.     

一种辅助轮廓线的断层医学图像三维重建算法

针对轮廓线重建过程中的轮廓分叉问题,提出了一种改进的多轮廓线三维重建算法,通过构造辅助轮廓线将多轮廓线的连接转换为单轮廓线的连接,改进了利用多轮廓线进行三维重建的不足,利用可接受表面实现特征点的三角化,并根据曲率的变化拟合重建过程中的不光滑表面,进而实现断层医学图像的三维重建。实验结果证明,运用本算法在保证重建物体正确的同时,缩短了体数据的构造时间,加快了整个表面的重建速度。     

面向CAE 的STL 模型三角网格均匀化

提出了一种基于STL数据的有限元网格再生成算法,该算法主要用于CAE工程分析.鉴于CAD模型的网格特征形态不匀称,分布不均匀的特点,对CAD模型进行网格再生成,使其符合CAE工程分析的要求.算法主要由拓扑建立、网格聚类、网格重采样和三角化四部分组成.实验表明该算法能够有效降低三角网格最长边和最短边的比值,使得模型的网格特征形态趋于均匀.     

任意多边形内带特征约束的散列数据的最优三角剖分

给出了一种新的基于Ｄｅｌａｕｎａｙ三角形化的任意多边形边界内散列数据的优化三角剖分算法，该算法可允许散列数据任意复杂的折线及封闭多边形环的特征约束。算法用统一的数据结构来记录散列数据、约束特征和三角剖分信息，并且引入了辅助窗的概念，从而使优化剖分和加入约束容易实现。     

轮廓线的经纬线连接法

为了减少面绘制中三角面片数量,节省空间,提高重建效果,提出了经纬线连接法。该方法利用夹角对轮廓线进行重采样,并用等比法生成辅助采样点,实现采样点一一对应,连接采样点形成四角面片来组成物体表面,实现三维重建。以一组头部CT图像为研究对象进行实验仿真,仿真分析表明对轮廓线进行重采样,用四边形代替三角形,减少了面片数量,节省了存储空间,重建时间较短,重建效率较高。     

基于改进SFM的三维重建算法研究

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后三角化生成三维点云。该算法匹配精度高,图像基础矩阵易于收敛,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明,与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体三维重建。     

基于PCL库三维点云树枝重建

随着三维扫描技术的不断提高以及国内对于开源PCL(Point Cloud Library)库不断深入的研究,三维重建技术被学者们应用到诸多领域中。比如在数字城市、逆向工程等方面有了极速的发展,而对于数字城市的模拟中,实现树枝的重建是加强城市真实感最重要的部分。文中主要在图形用户界面应用程序开发框架Qt的基础上,通过利用PCL点云库实现对三维点云树枝的三维重建的方法。首先针对树枝数据采用体素化网格方法实现下采样,减少点云数量同时保持形状特征;利用Kd树存储点云实现空间划分以及搜索操作;其次通过最小二乘法平面拟合估计方法计算出点云的法向量;最后运用PCL中的贪婪投影三角化实现树枝点云的重建。结果显示,三角化重建能够较好的保留树枝的形态特征,可以为各个需树枝重建的场景中提供良好的基础。     

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.     

多连通曲面离散点集的3D三角划分算法研究

在对非封闭曲面、简单封闭曲面和多连通封闭曲面的特点进行分析之后,提出了一种多连通封闭曲面离散点集的3D三角划分算法.该算法无须对离散点集所对应的自由曲面进行分片,直接在3D空间根据曲面的形态变化向前逐层推进生成三角网格.算法同时还适用于非封闭曲面和简单封闭曲面两种情形.实验结果表明,该算法的划分效果优良,能够满足曲面重构的需要.     

基于平行截面的三维散乱点物体表面重构

三维物体的散乱点构型技术是近几年计算机视觉领域中的热点问题,它在众多行业有着广泛的应用前景。该文提出了一种新的能够适用于大多数物体的构型方法,并且计算量也相应地得到了控制。     

三维物体表面三角划分的遗传算法

提出了一种基于遗传算法的从给定平行截面线重建物体表面的方法。该算法利用了三维表面三角形划分和遗传算法的基本原理,使用多目标适应函数,能够进行多目标优化从而满足不同的要求,算法还采有了新交叉与变异算子－三维多边形交叉与三维四边形变异。     

Delaunay三角网构建方法比较研究

Delaunay三角网构建是3维场景可视化领域的一个热点也是难点问题。归纳总结了现有Delaunay三角网构建研究中的3类方法——逐点插入法、三角网生长法和分治法,以及在各自原理框架下的不同实现算法;比较分析了3种不同方法的优缺点和各自代表性算法的时间复杂度,并详细讨论了Delaunay三角网构建方法在大规模场景渲染和地形可视化领域中未来3个研究方向：混合算法研究、算法支撑技术研究和分布式并行算法研究。     

一种对扭曲景象序列三维重建迭代方法

在计算机视觉中,对严重扭曲的景象序列进行三维重建十分困难,本文提出一种简单且有效的迭代方法：首先提出一种基于B样条的非刚体图像配准算法,并结合最优图像块选择算法对扭曲图像序列进行复原;然后提出一种新的三2一范数优化准则,在此基础上结合基于Sampson近似的迭代算法实现多视三角化;最后进行实验并与传统方法比较,实验分析表明,本文提出的一种对扭曲景象序列三维重建迭代方法可以更有效地对扭曲景像序列实现三维重建,并具有算法复杂性小、运算时间短、模拟精度高的优点。     

一种三维表面重构中的轮廓集拼合新方法

针对切片级三维表面重构中的难点，提出了一种拼合轮廓集的新方法：通过对待拼合的轮廓集首尾轮廓进行平面三角剖分方向的判别，将空间轮廓集拼合的三维问题转化为平面多连通域三角剖分的二维问题，并改进了现有的平面多连通域三角剖分算法，巧妙地解决了切片级重构中的轮廓分支对应问题。实验表明，谊方法能准确完成复杂轮廓集的表面拼合，具有良好的适应性。     

一种基于三维Delaunay三角化的曲面重建算法

提出一种基于三维Delaunay三角化的区域增长式曲面重建方法。该方法以空间点云的Delaunay三角化为基础,结合局部区域增长的曲面构造,较以往方法具有人为参与更少、适用范围更广的优点。算法采用增量式插入点的方式构建空间Delaunay划分,采用广度优先算法,以外接圆最小为准则从Delaunay三角化得到的四面体中抽取出合适的三角片构成曲面。该算法的设计无须计算原始点集的法矢,且孔洞系数对重建的结果影响很小,重建出的三角网格面更符合原始曲面的几何特征。无论待建曲面是否是封闭曲面,本算法均可获得较好的重建效果。     

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。     

一种基于SfM重建点云的三角网格化算法*

针对SfM重建点云的曲面建模问题,提出一种改进的区域增长网格化算法。定义k近邻影响域提高拓扑稳定性,引入二叉排序树高效地组织候选三角片,采用无向环搜索策略完成孔洞的检测,最终获得完整的三角网格面。实验结果表明,该算法相比于Possion曲面重建,在获得高的重建精度的同时显著提高了计算效率,有助于提升3D曲面重建与模型表现的性能。