点云数据的三角剖分及模型简化

摘要

随着计算机辅助设计与图形学的发展，基于点云数据的表面重建技术成为一个重要研究的内容。该技术可以应用于医学成像、数据可视化、有限元分析等诸多方面。与此同时，采集点云数据的设备在采样密度和精度方面都不断提高，获取的数据量不断增大，进而给点云表面建模、模型的存储和传输都带来新的压力。本文针对上述问题，并结合本实验室的三维激光扫描设备，对基于三角剖分的点云数据表面重建和三维模型的简化技术进行了研究，主要工作概括如下：
　　 (1)从实验室现有三维激光扫描系统出发，阐述了该系统的数据采集原理及配套软件的功能，并分析了该软件在表面重建方面存在的问题。
　　 (2)基于Voronoi图和Delaunay三角化的表面重建算法是本领域的重要研究方向，因其几何条件简单，实现较容易且有理论保证而受到广泛的关注。本文研究了其中两个代表性的算法：Crust算法和Cocone算法，分析了各自的优势和内在缺点，进而对Cocone算法进行了改进。在此基础上结合八叉树技术提出了基于Cocone算法处理海量数据的算法流程。
　　 (3)针对网格模型简化过程中的若干关键技术进行了研究。实现了基于三角形折叠网格简化和基于二次误差度量的几何简化算法，并分析比较了二者的优缺点。得出的结论是后者具有较高的计算速度和较小的内存消耗，虽未全局优化，但简化后的网格质量可以和全局优化结果相媲美。
　　 上述算法均在VC++平台下结合CGAL进行了实现，并采集校园内户外建筑和雕塑的点云数据，对算法进行了实验验证，证明了上述算法的有效性。

目录

文摘

英文文摘

声明

1绪论

1.1选题背景及研究意义

1.1.1选题背景

1.1.2研究意义

1.2国内外研究现状

1.3本文的结构安排

1.3.1论文的主要工作

1.3.2论文结构

2点云的数据采集

2.1三维激光扫描的相关知识

2.1.1三维激光扫描原理

2.1.2三维激光扫描技术的误差影响分析

2.2其他点云获取技术及设备

2.3本文采用的软硬件设备

2.3.1本课题所采用的硬件介绍

2.3.2本课题所采用的软件介绍

2.3.3存在的问题

3点云数据的表面重建

3.1点云数据的预处理

3.2点云数据的三角剖分

3.2.1基本概念

3.2.2三角剖分优化准则

3.2.3 Delaunay三角剖分和Voronoi图

3.2.4二维Delaunay三角剖分算法

3.2.5描述网格所用的数据结构

3.2.6计算实例

3.2.7 Delaunay三角剖分和Voronoi图算法分析

3.3海量点云数据的重建算法

3.3.1八叉树分割散乱点空间

3.3.2基本概念及理论基础

3.3.3 Crust算法

3.3.4 Cocone算法

3.3.5两种算法的优缺点讨论

3.3.6 Cocone算法的改进

3.3.7海量点云的重建

4模型简化

4.1模型简化理论基础

4.2基于三角形折叠网格简化算法

4.2.1三角形折叠网格简化算法

4.2.2基本概念

4.2.3分析算法的优缺点

4.3基于二次误差度量的几何简化算法

4.3.1简化算法中所使用的数据结构

4.3.2简化算法实现

4.3.3计算实例

5算法实现与实验结果

5.1 CGAL几何平台

5.1.1 CGAL几何库组成

5.1.2 CGAL三角化的功能函数

5.2三角剖分和模型简化算法的实现

6总结与展望

6.1工作总结

6.2工作展望

致 谢

参考文献