平面域中散乱点的Delaunay三角化算法

基于三角网生长算法和分治算法的思想,提出并实现了一个平面域散乱点的三角网格重构算法.算法首先利用分治算法的思想将散乱点集进行分割,然后在四个极值点确定初始三角形的基础上,基于边的扩展原则构造新的三角形,使网格不断向周围扩展直到所有的待扩展的边全部能构成三角形为止,最终构造出整个散乱点集的三角网格.     

散乱点云的三角划分算法研究

通过对当前的三角网格划分方法进行比较分析,提出了一种散乱点云的3D三角网格划分算法。该算法不需如同二维划分方法那样要对散乱点云对应的自由曲面分片投影,而是直接在3D空间,根据离散点集所对应的曲面形态变化,利用网格扩展、边界环分裂和边界环封闭,逐层收缩生成三角网格。该算法能方便地处理空间多种曲面的散乱点云数据,并且生成的三角网格形态优良,布局合理。     

逼近散乱点云数据的三角形网格精确剖分

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云 压缩后的Delaunay 三角逼近剖分,但该模型存在逼近误差和边缘误差。为减小三角形网格 的逼近误差和边缘误差,构建了精确逼近的三角形网格模型。首先采用整个测量点云,对三 角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权 重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中 的网格边界神经元进行训练。算例表明,应用该模型,可以有效减小三角形网格的边缘误差, 三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围。     

散乱点云的快速增量网格重建算法

散乱数据的网格重建是数字几何处理的基础性技术之一.本文提出一种快速增量式散乱点云网格重建算法,运用波前( Wave Front)方法渐进地由点云数据生成物体表面的网格模型.该算法以一个”种子”三角形初始化搜索队列,以逐渐生成的新边为搜索元素,借助Kd-树空间划分技术和搜索约束条件,快速完成优化点的评估及三角面片重建,可在保证网格质量的同时,过滤部分对重建效果意义不大的点.实验表明,该算法能够高效、可靠地生成具有不同几何复杂度的原始曲面二维流形三角网格逼近,适用于海量数据点的网格重建.     

针对密集点云的快速曲面重建算法

为了能够快速地从高密度散乱点云生成三角形网格曲面,提出一种针对散乱点云的曲面重建算法.首先通过逐层外扩建立原始点云的近似网格曲面,然后对近似网格曲面进行二次剖分生成最终的精确曲面;为了能够处理噪声点云,在剖分过程中所有网格曲面顶点都通过层次B样条进行了优化.相比于其他曲面重建方法,该算法剖分速度快,且能够保证点云到所生成的三角网格曲面的距离小于预先设定容限.实验结果表明,文中算法能够有效地实现高密度散乱点云的三角剖分,且其剖分速度较已有算法有大幅提高.     

逼近点云的三角形网格的边缘误差减小研究

基于SOFM神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在边缘误差。为减小三角形网格的边缘误差,改进了三角形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;第2步采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对与边界角点匹配最佳的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到提高并覆盖散乱点云整体分布范围。     

基于凸包和网格索引技术的快速TIN生成算法及应用

在原有凸包推进算法的基础上,提出了一种针对散乱点集的快速生成TIN的算法.通过在三角形外接圆的最小网格覆盖中查找点扩展三角形,使得每次查找的点的个数与且只与散乱点的分布有关,而与散乱点集的大小无关;同时利用有向凸包和动态修正前沿圈等技术避免生成重复三角形,从而大大提高了建网的速度.实践证明,该算法具有可操作性和较强的实用性.该算法实现了两类基于不规则三角网数字地面模型的分析应用.     

散乱数据点集的三角划分算法研究

在对当前的三角网格划分方法进行比较分析后,提出了一种散乱数据点集的3D三角网格划分算法,该算法不需如同二维划分方法一样要对散乱点集对应的自由曲面分片投影,并可自然处理含有凹边界及孔域的曲面数据点集,利用网格扩展、边界环分裂和边界环封闭,根据曲面的变化逐层推进生成三角网格,使算法能方便地处理非封闭曲面、空间剪裁曲面、封闭曲面、空间多连通曲面等各种曲面的散乱数据。     

大规模地形散乱点的快速构网算法

针对大规模视景仿真地形显示的需要,提出了一个利用大规模地面散乱点构建地形三角网格的算法.先将空间的散乱点投影到XOY坐标平面,在坐标平面上对散乱点进行均匀网格划分,然后按照一定顺序将大规模散乱点组织成若干不相交的单调链,由相邻单调链连接成单调多边形,利用单调多边形的特点快速构建初始三角网格模型,并在空间上对模型进行三角网格优化.通过加入辅助点的方法,有效解决了网格边沿的奇异情况.算法在保证网格质量的同时,大幅减少了构网的时间开销,证明了提高网络的速度.     

一个利用法矢的散乱点三角剖分算法

曲面上散乱点的三角剖分在曲面重建中发挥着重要作用,借助于曲面上的法矢信息和三维Delaunay三角剖分算法,该文给出了一种新的散乱点三角剖分算法,输入一组散乱点以及所在曲面S在这些散乱点处的一致定向的法矢信息,该算法将产生一张插值散乱点的三角网格曲面M,并且曲面M可以近似地看成是曲面S的三角剖分,算法的主要步骤分为两步：首先通过曲面S的一致定向的法矢信息,在曲面S的同一侧添加辅助点,利用这些辅助点来剔除Delaunay三角剖分中产生的不需要的三角片;然后将剩余的三角片连接成一张完整的网格曲面,与基于中轴的三角剖分算法相比,该文算法需要更少和更简单的计算,与局部三角剖分算法相比,该文算法可以更有效地避免重建后的曲面产生自交,该文的算法可用于任意拓扑的光滑曲面重建。     

基于点邻域平坦度的网格重构算法

提出一种对散乱数据点进行网格重构的区域扩张算法．首先计算每个点的邻域平坦度,并在平坦区域构造一个种子三角面片;然后优先选取落在平坦区域的活动边进行扩张,并在扩张过程中引入平坦趋势作为最佳点选择的准则;最后通过后续处理构造出二维流形网格．实验结果表明,该算法能充分利用点邻域的平坦信息减少拓扑和几何错误发生的概率,较好地保持实体模型的尖锐特征．     

基于调制度信息的网格重构算法

提出一种基于调制度的网格重构算法,首先对调制度进行等级量化,在调制度高的区域构造种子三角面片;然后优先选取测点调制度高的活动边进行增长,依据加权最小长度准则选择最佳候选点;在径向基函数孔洞修补之前根据三角面片几何属性对孔洞边界进行预处理.实验结果表明,该算法对平坦和高曲率区域都能有效地重构出形态比较均匀的二维流形网格,较好地保持了模型的细节尖锐特征.     

一种基于点云数据的快速曲面重构方法

研究激光扫描中的点云数据重构技术,提出一种基于规则点云数据的快速曲面重构方法。分析相邻扫描线之间数据点的相对位置关系,在三角剖分的基础上,设计改进的扫描线剖分算法,根据激光逐行扫描的特点,对点云数据进行不规则三角网格划分,利用几何关系进行配对构网,并在所建三角模型的基础上实现三角网格的局部优化和纹理映射,得到重建模型。实验结果表明,与传统Delaunay空间三角剖分算法相比,该算法可明显提高三角构网速度和质量,消除空洞,改善重建效果。     

用内法向量与二次误差度量修补三角网格孔洞

为了高效地修复含孔洞的三角网格模型,提出基于内法向量与二次误差度量(QEM)的孔洞修补算法.在识别孔洞边界之后,计算边界点的凹凸性与对应夹角角度,并利用最小角-曲率原则寻找最优修补点;根据三角形生成原则以及内法向计算方法生成新的三角形完成粗修补;最后利用二次型误差滤波函数对粗修补的网格进行优化处理.在VisualStudio2013环境下,对不同种类的含孔洞模型,利用提出算法以及孔洞修补经典算法进行实验,结果表明,文中算法修补的网格质量优于对比算法.     

智能配镜三维特征参数提取方法研究

摘 要：针对智能配镜中三维面部特征点提取算法复杂度较高的问题,提出一种将三维点 云转换为映射图像定位特征点的方法。采用 Voronoi 方法计算面部三角网格各顶点处的高斯曲 率、平均曲率。选取鼻尖、眼角等曲率特征明显的区域估计面部点云姿态。根据曲率旋转不变 性,使用初选的点云方向向量简化旋转矩阵的计算,使面部点云正面朝向视点。将点云映射转 换为图像,三维网格模型中三角面片一对一映射到图像中的三角形。搭建卷积神经网络,使用 Texas 3DFRD 数据集进行模型训练。进行人脸对齐,预测所得各面部特征点分别限制在图像某 三角形中。根据图像中三角形映射查找三维网格模型中对应三角面片,通过三角面片顶点坐标 计算配镜所需的面部特征点位置坐标,实现配镜特征参数的提取。     

基于形状的三角形折叠简化的研究

三角网格模型需要大量的信息来记录点,边和面之间的连接关系,对于复杂模型需要大量的存储空间.所以三角网格模型的简化对于存储,处理,传输,以及实时绘制有着重要的意义.从三角形折叠算法为基础,提出了一种新的基于三角形形状的三角网格简化算法,从而避免了不规整三角形产生的“凸锐”现象.该算法以网格表面的加权为依据,对三角形面片执...     

A mesh reconstruction algorithm driven by an intrinsic property of a point cloud

This paper presents an algorithm for reconstructing a triangle mesh surface from a given point cloud. Starting with a seed triangle, the algorithm grows a partially reconstructed triangle mesh by selecting a new point based on an intrinsic property of the point cloud, namely, the sampling uniformity degree. The reconstructed mesh is essentially an approximate minimum-weight triangulation to the point cloud constrained to be on a two-dimensional manifold. Thus, the reconstructed surface has only small topological difference from the surface of the sampled object. Topological correct reconstruction can be guaranteed by adding a post-processing step.     

一种基于改进 PointNet++网络的 三维手姿估计方法

针对 PointNet++网络处理点云局部特征时因分组范围区过大导致计算量较大的问题,提出一种改 进的 PointNet++网络的三维手姿估计方法。首先对手势点云进行基于 Delaunay 三角剖分算法与 K 中位数聚类算 法相结合的三角剖分,得到手势点云的三角网格模型,并计算三角网格模型的边长均值;然后以三角网格模型边 长均值为半径,对最远点采样(FPS)的采样点进行球查询搜索,再根据搜索到的采样点个数极值对采样点云进行 K 近邻分组,并最终输入 PointNet 网络,完成三维手姿的位置估计。改进后的 PointNet++网络可以根据不同的点云 密度自动调整网络分组区域的局部提取点个数。实验结果表明,在不影响三维手姿估计精度的情况下,该方法提 高了 PointNet++网络的模型训练速度,并在三维手姿估计中可有效减少特征提取的计算量,使计算机能够更快地 捕捉手姿状态。     

结构光视觉三维点云逐层三角网格化算法

针对结构光视觉恢复的大规模三维点云的可投影特点,提出一种基于投影网格的底边驱动逐层网格化曲面重建算法。该算法首先将点云投影到一个二维平面上;然后基于点云投影区域建立规则投影网格,并将投影点映射到规则二维投影网格上,建立二维网格点与三维点云间的映射关系;接着对投影网格进行底边驱动的逐层网格化,建立二维三角网格;最后根据二维投影点与三维点的对应关系及二维三角网格拓扑关系获得最终的三维网格曲面。实验结果表明,算法曲面重建速度快,可较好地保持曲面细节特征。     

A new mesh-growing algorithm for fast surface reconstruction

This paper presents a new high-performance method for triangular mesh generation based on a mesh-growing approach. Starting from a seed triangle, the algorithm grows the triangular mesh by selecting a new point based on the Gabriel 2—Simplex criterion. This criterion can be considered to be a good approximation of the 2D Delaunay if the point cloud is well-sampled and not too rough. The performance of the proposed method is compared with that of the Cocone family and that of Ball Pivoting as regards the tessellation rate and the quality of the surface being generated from some benchmark point clouds and artificially noised test cases. The results are analysed and critically discussed.