三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

空间散乱点三角剖分通用算法研究

针对分段处理后的空间散乱点集,引入启发函数选择投影方向,通过投影映射把空间离散点三角剖分问题转化到二维空间处理。建立点集投影凸域网格来形成节点邻域,以提高剖分过程中对节点搜索效率,同时采用三角形边扩展法建立投影点集三角网,进而实现对空间散乱点集的三角剖分。     

G~1连续任意拓扑曲面的几何重建

文中算法沿用了 C- T分割算法的基本思想 ,从任意拓扑类型的曲面三角剖分 T(P)出发 ,重建一张 G1 连续拼接的分段光滑曲面 ,用以插值 T(P)的顶点集 P及其中各点的法矢 .在插值点的法矢没有给定的情况下 ,引入了“惯量估计”以估算各点的法矢 .与 Farin的 C- T分割算法相比 ,本算法的结果不依赖于顶点的处理顺序 ,因而更为合理 .其次 ,它不需要进行控制顶点的初估及修正 ,而是对多余的自由度进行了合理的分配 ,使各控制顶点的计算一次完成 .由于算法是局部的 ,因此具有较高的效率 .     

散乱数据点的增量快速曲面重建算法

给出了一个新的散乱数据的曲面重建算法.算法充分利用邻近点集反映出的局部拓扑和几何信息,基于二维Delaunay 三角剖分技术快速地实现每个数据点的局部拓扑重建,然后通过自动矫正局部数据点的非法连接关系,以增量扩张的方式把局部三角网拼接成一张标准的整体二维流形网格.该算法在重建过程中能自动进行洞的检测,判断出散乱数据所蕴涵的开或闭的拓扑结构.实验结果表明,该算法高效、稳定,可以快速地直接重构出任意拓扑结构的二维流形三角形网格.     

三维物体表面重建方法的分析

介绍了目前三维物体表面重建技术的两种常用方案，并对这两种方案的优缺点进行了较为详细的分析与比较，最后给出了它们不同的适用范围。     

基于边界匹配的多张裁剪曲面的三角化算法研究

本文提出一种多张裁剪曲面的三角剖分算法。该算法在进行多张裁剪曲面的三角化时,首先采用匹配的方法离散各曲面的边界,确保离散后的各曲面边界在相交处重合。然后再对各曲面进行三角化,从而有效地防止了曲面相交处出现裂缝、孔洞和覆盖等现象。该算法已经成功应用于“超人ＣＡＤ／ＣＡＭ”曲面造型及加工系统,主要用于快速原型技术（ＲＰＴ） 的ＳＴＬ文件生成,算法表现稳定     

有界曲面剖分的边界递归法

本文针对有界曲面剖分提出了边界递归方法，引进了一种紧凑且富有方法特色的数据结构。在此基础上，外接曲面拟圆准则结合单侧性准则的使用，使得剖分优化过程加快，剖分总体速度得以提高，剖分效果也很好。剖分的输出数据又能方便地被有限元其它环节所处理，是一种合理可行的剖分方法。     

参数曲面网格生成的改进波前法

采用从曲面两条边界向曲面中心推进的方法．避免了常规波前法中由于曲面角点的不良形态导致网格规划的失败和生成低质量网格．提出了一种新的节点生成方法,直接在三维空间中生成节点,然后映射到参数平面,使得在平面上进行节点及单元的合法性检查成为可能．针对从两侧推进的波前法,给出一种新的判断网格收敛的疗法．算例表明．文中方法易于实施、稳定性好,生成的网格质量高．     

约束四面体部分和三维物体表面重建

该文提出了约束曲面和约束最大空球凸多面体的概念，在此基础上设计了一种在空间区域上约束Delaunay四面体部分的算法，该算法的基本思路是首先对空间区域进行约束最大空球凸多面体剖分，然后在各个约束最大空球凸多面体内部做Delaunay四面体剖分，利用约束Delaunay四面体剖分算法，该文进一步设计了一种三维物体表面重建算法。     

一种多张裁减曲面的快速三角化算法

针对多张裁减曲面的三角化问题,提出一种多张裁减曲面三角化边界的算法。该算法在进行多张裁减曲面的三角化时,采用点对应的方法离散曲面的公共边界,因而能有效地防止曲面相交处出现裂缝、孔洞和覆盖等现象,提高了多张裁减曲面三角化算法的正确性。同时采用了目前比较先进的基于局部优先的平面任意区域三角剖分算法,因而提高了三角化的效率。     

截面线数据的曲面蒙皮重构技术研究

为了保持曲面形状的平滑性，在曲面重构过程中经常会出现曲面形状的变异，针对带有精确截面信息的截面线数据的三维曲面重构问题，提出了一种NURBS曲面蒙皮重构方法。该方法产生一个连续的NURBS曲面，改进了传统曲面蒙皮重构方法在处理非均匀截面数据点时出现的一系列问题，通过实际系统验证了该方法的有效性。     

点云数据集的隐式曲面重构研究进展

点云数据的曲面重建就是对扫描设备获得的物体散乱数据点重建三维物体表面,它被广泛应用于计算机动画、目标识别、数据可视化以及地理信息系统。点云的隐式曲面重建由于能够去除点云噪声,修补孔洞和裂缝,不需要拼接和平滑等后续处理,成为点云数据集曲面重构的重要方法。文中综述了目前一些主要的隐式曲面重构方法,就隐式模型以及相应的曲面重构算法的优缺点进行了分析比较,并对隐式曲面重构存在的问题和未来发展方向作了相应的分析和讨论。     

无对应点三维表面重建的全局优化算法

一、三维平面重建问题陈述图1是成象系统,包括一对焦距f=1的照相机。两坐标系间的关系是 (X_R,Y_R,Z_R)=(X_L-b,Y_L,Z_L)。三维点(X_L,Y_L,Z_L)在左、右图象平面的投影分别是 (x_L,y_L)=(X_L/Z_L,Y_L/Z_L) (x_R,y_R)=(X_R/Z_R,Y_R/Z_R) =((Z_L-b)/Z_L,Y_L/Z_L) (1)则水平和垂直方向的差异场分别是δ_x=x_L-x_R=b/Z_L; δ_y=y_L-y_R=0 (2) 图1 平行轴立体成象系统假设三维点位于平面Z=Z_0+PX+QY上,则对应点匹配约束条件是     

一种用于表面重建的外边界轮廓线提取算法

医学图像处理中边界轮廓线的提取是科学计算可视化技术中的一个研究热点,足计算机图形学和图像处理技术在生物医学工程中的重要应用.在医学图像的三维重建、模式识别等的应用中,常常需要保留感兴趣的物体区域,从而必须用外边界作为轮廓线.在分析Log算了作用原理的基础上,提出片实现了一种新的按光栅顺序扫描取点然后进行边界跟踪的轮廓线提取算法,最后按照最短对角线法进行轮廓连接.实验证明,算法可以有效地消除噪声,获得更加精确的象素级边界轮廓,重建效果较为满意.     

基于Voxel编码的曲面重建

一个完整的基于轮廓的曲面重建方法必须建立轮廓对应、解决分支和三角面片的构建.然而大多数已有的曲面重建算法只能解决问题的某些方面,从而导致这些算法不能有效地运用到复杂曲面重建,比如用磁共振获取的人大脑序列切片等盘旋且多分支凸包数据.提出了一个基于Voxel(像素)编码技术的曲面重建算法,该算法能以一种完全自动的方式处理带有空洞的复杂多分支曲面.首先将两相邻断层轮廓投影到定位于中间的一个辅助平面上,求得其差区域,然后根据差区域的不同情形进行分组.对每组轮廓,从对应的差邻域中提取骨架,并用骨架来度量两轮廓的不相似量,对不相似的进行剪支分解,从而使不相似的、复杂的轮廓转换为简单且相似的骨架轮廓对,最后完成三角片构建.重建曲面由二维流体三角面片组成,且仅经过切片上的输入廓线.算法已用手工数据和复杂人脑皮层的磁共振数据进行了仿真测试,检验了算法的有效性.     

基于形变模型的3D表面自适应重建

结合形变模型和ＡＣＤ方法提出了基于变形模型的３Ｄ表面自适应重建方法。同时引入了与图象统计特性有关的外力,使得表面重建结果与模型的初始位置无关,利用ＡＣＤ方法使模型自适应地改变其拓扑结构;为了提高表面重建的程度和鲁棒性,提出了多尺度重建算法,该方法适用于形状、结构复杂的物体重建,实验结果证明了该方法的有效性。     

基于散乱点集的曲面重建

基于散乱点集的曲面重建是计算机图形学和虚拟现实等领域的研究热点.在对基于散乱点集的曲面重建经典算法进行综述的基础上,较详细地讨论了基于成长型神经网络的曲面重建方法和基于法向量场的曲面重建方法.     

散乱点的快速曲面重建方法

空间散乱点的曲面重建有着广泛的应用前景，是当前国际上的研究热点之一，Crust算法是一种基于计算几何中的Voronoi周期图的曲面重建算法，它算法简单，重建结果精细，但是由于计算量太大，其应用受到了限制，为此提出了一种依据采样点的局部特征尺度对原始采样集进行不均匀降采样的方法，在保证采样集能够满足重建要求的前提下，使参与重建的表面点数大为降低，减少了重建算法的计算量，从而提高了重建的速度，这一方法还可以应用于网络简化，通过剔除某些顶点达到简化之目的。     

Distributed Poisson Surface Reconstruction

Screened Poisson surface reconstruction robustly creates meshes from oriented point sets. For large datasets, the technique requires hours of computation and significant memory. We present a method to parallelize and distribute this computation over multiple commodity client nodes. The method partitions space on one axis into adaptively sized slabs containing balanced subsets of points. Because the Poisson formulation involves a global system, the challenge is to maintain seamless consistency at the slab boundaries and obtain a reconstruction that is indistinguishable from the serial result. To this end, we express the reconstructed indicator function as a sum of a low-resolution term computed on a server and high-resolution terms computed on distributed clients. Using a client–server architecture, we map the computation onto a sequence of serial server tasks and parallel client tasks, separated by synchronization barriers. This architecture also enables low-memory evaluation on a single computer, albeit without speedup. We demonstrate a 700 million vertex reconstruction of the billion point David statue scan in less than 20 min on a 65-node cluster with a maximum memory usage of 45 GB/node, or in 14 h on a single node.