摘要：从模型表面采集的顶点数据集出发,进行曲面重构在CAD,计算机图形学以及计算机视觉应用中发挥着重要作用.近年来,这一领域出现了很多方法,其中基于Voronoi图和Restricted Delaunay uiangulation(即反映在采样点空间的Co-Cones)思想的重构算法因其简单的思路和有效的结果受到关注.然而,目前的Co-Cones算法有一些缺陷,由于扁平四面体的影响,Delaunay三角面片过滤后表面上多余重叠面片的存在,以及在非闭合曲面的边界上以及采样不够密集的数据附近,由于顶点的法向估计误差过大产生的错误面片.这些错误必须在后续的去除sharp edge的步骤和提取模型表面的步骤中加以修正.本文提出的简化和改进算法充分利用了Co-Cones本身的优势,在面片过滤过程中直接去除了被认为是过滤结果中不可避免的由扁平四面体产生的重叠面片,另外,利用ε-sample本身的性质附加了面片过滤的限制条件,例如极线和面片法向之间的夹角限制,且对于法向估计中导致重构错误的过大误差进行了修正,有效地改善了边界附近的重建结果.从实验结果来看,本文中对于Co-Cones算法的分析和改进使其步骤更加简化,结果更为合理.
