基于空间状态八叉树的点云模型表面重建方法

论文摘要

在计算机图形学领域中,大量的研究工作都致力于对现实物体的几何建模。通过三维扫描仪获得的一个散列的点云数据,并对该点云数据进行网格模型重建在虚拟博物馆,虚拟战场,虚拟手术,游戏,电影等领域中得到广泛应用。由于三维扫描仪获得点云数据时会存在采样点数据的丢失、噪声、信息缺失等缺陷,这就给表面重建过程带来了一定的困难。因此,如何对包含噪声和信息缺失的点云数据进行表面重建是目前图形学和虚拟现实领域研究的热点和难点之一。采样点的法向的信息在点云模型重建过程中有着至关重要的作用；而扫描获得点云数据往往不包含法向信息以及存在采样点局部缺失等噪声。产生点云模型的采样点局部缺失的原因有很多——扫描的物体本身在拓扑上就包含洞(hole),或者在扫描的过程当中有些区域无法扫描到。目前常见的一些表面重建的算法,比如Wavelet或者Poisson等,他们可以处理噪声较为严重的点云数据,但他们要求输入数据包含法向信息。另外常见的表面重建的算法,比如Cocone或者Layer Peeling等。虽然他们可以处理不包含法向信息的点云数据,但是它们无法处理带有采样点缺失等噪声的点云数据,并且Layer Peeling算法在重建的过程中步骤复杂,不易于实现。在本文中提出了一种基于空间状态八叉树点云的表面重建的算法。该算法可以对法向信息缺失和包含采样点缺失等噪声的点云数据进行处理。在表面重建的过程中,利用动态等高线检测出含有采样点丢失的噪声的八叉树节点,并且对模型的包围盒进行空间划分并计算出划分后单元格顶点的内外状态,以此来确定采样点的法向信息、。我们提出的算法的主要创新点如下：1.可以处理无法向信息的点云模型,即使输入的点云模型含有采样点丢失等噪声,也能够得到正确的重建结果。2.我们的表面重建算法也可以处理非均匀采样的点云模型,有效避免了非均匀采样点云模型表面重建产生的错误结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 基础知识
• 1.2.1 主成份分析（Principle Component Analysis）
• 1.2.2 k近邻
• 1.2.3 Delaunay三角化
• 1.3 相关工作
• 1.4 论文主要工作
• 1.5 论文组织结构
• 第二章 基于空间状态八叉树的点云模型的表面重建算法
• 2.1 算法流程
• 2.2 空间划分
• 2.3 检测洞
• 2.4 确定局部空间朝向
• 2.4.1 HPR（hidden point removal）操作
• 2.4.2 单元格顶点内外状态计算
• 2.5 确定网格模型
• 2.5.1 种子点的选取
• 2.5.2 构建模型表面的三角扇形
• 第三章 实验结果与分析
• 第四章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 攻读学位期间参与的科研项目
• 学位论文评阅及答辩情况表