三维扫描点云优化网格重建与软件系统实现

物体经过三维扫描后获得大量的散乱点数据,为了能快速、准确的重建出网格曲面,提出了一种空间三角网格螺旋增长重建的算法。该算法首先利用包围球法对散乱点云进行优化,然后根据极坐标法确定螺旋增长的初始三角形,通过对生长的三角形最长边、最小内角和具有公共边的三角形所在面的二面角进行限制和对相应的新的网格边界点进行加锁和解锁操作,不断的寻找最佳扩展点,直到无可用的扩展点为止,最后再对有缝隙的网格边界进行缝合,完成三维扫描点云优化网格重建。     

基于隐式曲面的三角网格模型等距算法

针对三角网格模型，提出了一种基于隐式曲面的等距算法。该算法首先对三角网格模型进行拓扑重建，然后对顶点进行八叉树采样，由采样点及采样点的单位法矢点来构建隐式曲面，将隐式曲面等距，最后将原模型的顶点投影到等距曲面得到投影点，根据先前建立的拓扑关系，将投影点三角网格化得到等距后的三角网格模型。该算法在一定数值范围内避免了等距模型自交问题，而且等距模型三角网格均匀，质量高。     

离散数据点集的3D三角划分算法研究

在实物测量造型过程中,根据离散点集进行三角网格划分是其关键环节之一,也是进行后续进行曲面重构的前提和基础。本文在当前的三角网格划分方法比较之后,提出了一种散乱点集的三角网生长算法,该算法无须对离散点集所对应的自由曲面进行分片投影,直接在3D空间从已划分区域边界到未划分区域按照Delaunay准则生成三角网格,并给出了用此算法处理散乱数据的试验结果。     

散乱点云的三角网格曲面重建算法

在采用计算机视觉法获取物体三维重建数据的过程中,为了得到较完整的模型信息,所测得的曲面点通常带有大量冗余,而这些冗余数据的存在大大增加了曲面重建的难度.在此背景下,我们针对散乱无序、无任何几何拓扑信息的密集数据,提出了一种空间三角网格直接剖分算法.该算法能够节省存储空间,提高曲面重建效率,保证输出的曲面网格优质.算法首先对原始数据进行预处理,然后采用空间栅格法及Delaunay空球等准则,扩展动态三角网,最后统一法向量输出完整的三角网格模型.通过实例证明,算法重建速度快,曲面网格质量高.     

保持特征的高质量三角网格简化方法

为解决三维几何模型的庞大数据量给存储、传输等带来的困难,提出一种保持特征的高质量三角网格简化方法。通过顶点投影确定模型中各三角形的折叠点,根据折叠点计算各三角形折叠时产生的误差,按照误差值的大小对模型进行三角形折叠简化。实验结果表明,该网格简化方法在生成高质量简化模型的同时降低了简化模型的误差,并有效地保持了原始模型的几何特征。     

基于隐式曲面的三角网格模型等距算法

针对三角网格模型,提出了一种基于隐式曲面的等距算法.该算法首先对三角网格模型进行拓扑重建,然后对顶点进行八叉树采样,由采样点及采样点的单位法矢点来构建隐式曲面,将隐式曲面等距,最后将原模型的顶点投影到等距曲面得到投影点,根据先前建立的拓扑关系,将投影点三角网格化得到等距后的三角网格模型.该算法在一定数值范围内避免了等距模型自交问题,而且等距模型三角网格均匀,质量高.     

反求工程中三角网格拓扑生成的算法研究

散乱点的三角网格剖分是反求工程中的第一个重要环节，在对三角剖分基本方法深入分析的基础上提出了动态圆的概念，使得搜索新三角形的范围大大降低，从而加快速度，并在搜索过程中实现Delauuay三角形优化，另外，通过动态更新搜索边控制三角形生成进度，将新三角形和已有三角形的相交判定转化为和搜索边的相交判定。     

反求工程中三角网格模型简化若干方法的研究

几何造型领域中，更多的使用三角网格来描述三维形体，为了保证形体的真实感和层次感，往往需要高度复杂、高度细节化的三维网格模型。然而，计算机存储、计算和处理网格模型的代价往往与三角形的数量成正比。研究发现，不同的应用目的对网格模型细节精度的要求是不同，并不是所有的应用都需要高度细节化的网格模型。因此，如何有效的对网格模型进行简化的研究便应运而生。     

散乱数据点三角网格综合优化及分析

研究了在散乱数据点的三角网格划分后，对三角网格进行三角形形状和网格空间形状综合优化的方法，并结合应用实例进行优化效果分析。分析结果表明，通过对这种综合优化方法可同时获得三角形形状和网格空间形状都很好的网格拓扑结构。     

散乱数据点的快速三角剖分算法

提出了一种改进的波前扩展算法,该算法给出的候选点判断准则,可对数据点的K近邻进行快速过滤,并有效避免了单元自相交;建立的匹配点查找和优化准则,可生成局部优化的三角形网格单元;依据四种不同的查询结果,制定了相应的波前环更新和数据点标记方法.将波前扩展算法应用于具有复杂特征的散乱数据点的三角剖分中,结果表明,该算法可快速生成高质量的三角网格模型.