本文選題：表面重建 + 網(wǎng)格優(yōu)化��； 參考：《浙江大學(xué)》2017年碩士論文

【摘要】：從輸入點云中提取高質(zhì)量的表面在計算機圖形圖像中是很重要的一個研究方向。主要內(nèi)容包括了如下幾個方面:對已有點云的擬合,對表面漏洞的填充以及對已有模型的重構(gòu)。在本文中,我們首先從初始的采樣點中通過泊松碟采樣提取出頂點集。接著利用頂點集做Voronoi劃分得到初始點云的鄰接關(guān)系并從中提取出粗糙的初始網(wǎng)格。在Voronoi劃分中,我們采用了最短路徑作為距離函數(shù),這樣可以在一定程度上降低初始點云的不均勻分布對實驗結(jié)果的影響。在獲得了初始網(wǎng)格之后,我們可以發(fā)現(xiàn)初始網(wǎng)格的拓撲結(jié)構(gòu)和幾何信息都存在明顯的不足,因此需要選擇合適的方法來優(yōu)化初始網(wǎng)格。我們采用了將幾何信息和拓撲信息作為一個整體進行優(yōu)化的框架。整個優(yōu)化過程通過頂點集V和鄰接關(guān)系矩陣B被表示為帶約束的q范數(shù)優(yōu)化問題。最后我們通過最小化由點云到三角網(wǎng)格的距離和正則項組成的能量函數(shù)就可以找到最合適的頂點位置和三角網(wǎng)格的拓撲結(jié)構(gòu)。在我們的優(yōu)化算法中,法向信息并不是必需的。現(xiàn)在的許多表面重建的算法都會要求我們提供法向信息。眾所周知,法向評估對于誤差和尖銳特征非常敏感,這也導(dǎo)致在面對法向質(zhì)量不高的點云時,許多算法的結(jié)果會有較大的誤差。而我們的算法在面對這樣的數(shù)據(jù)時依然可以獲得較好的效果。雖然我們在初始化過程中需要用頂點法向來判斷三角面片的朝向,但對法向的精度要求并不高。由于本文所提出的算法在更新頂點幾何信息和拓撲結(jié)構(gòu)時只需要頂點附近的采樣點的幾何信息,我們可以將初始點云分割成多個子塊,對每一個子塊依次重建出合適的表面,最后通過拼接的方法得到整個場景的重建結(jié)果。實驗表明,在處理一些較大規(guī)模的點云時,這種生成表面的方式在運行效率和生成的網(wǎng)格質(zhì)量這兩方面的表現(xiàn)都很出色。
[Abstract]:The extraction of high quality surfaces from the input cloud is an important research direction in computer graphics and images. The main contents include the following aspects: the fitting of the existing cloud, the filling of the surface holes and the reconstruction of the existing models. In this paper, we first extract the vertex set from the initial sampling point by Poisson disc sampling. Then the vertex set is used as Voronoi partition to obtain the adjacency of the initial point cloud and the rough initial grid is extracted from it. In Voronoi partition, we use the shortest path as the distance function, which can reduce the influence of the uneven distribution of the initial point cloud on the experimental results to some extent. After obtaining the initial grid, we can find that the topology and geometric information of the initial grid are obviously inadequate, so we need to select a suitable method to optimize the initial grid. We adopt a framework that optimizes geometric and topological information as a whole. The whole optimization process is represented by vertex set V and adjacency matrix B as Q norm optimization problem with constraints. Finally, by minimizing the distance from the point cloud to the triangular mesh and the regular energy function, we can find the most suitable vertex position and the topological structure of the triangular mesh. In our optimization algorithm, normal information is not necessary. Many surface reconstruction algorithms now require us to provide normal information. It is well known that normal evaluation is very sensitive to errors and sharp features, which also leads to large errors in the results of many algorithms in the face of point clouds with low normal quality. However, our algorithm can still get good results in the face of this kind of data. Although we need to use vertex method to judge the orientation of triangulation, the accuracy of normal direction is not high. Since the algorithm proposed in this paper only needs the geometric information of the sample points near the vertices when updating the vertex geometry information and topology structure, we can divide the initial point cloud into several sub-blocks and reconstruct the appropriate surface for each sub-block in turn. Finally, the reconstruction result of the whole scene is obtained by splicing. The experimental results show that this surface generation method performs well both in terms of running efficiency and mesh quality when dealing with some large scale point clouds.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 梁新合;宋志真;;改進的點云精確匹配技術(shù)[J];裝備制造技術(shù);2008年03期

2 葉愛芬;龔聲蓉;王朝暉;劉純平;;基于隨機分布估計的點云密度提取[J];計算機工程;2009年04期

3 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報;2009年05期

4 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無序點云[J];光學(xué)精密工程;2009年04期

5 李海亮;鄧非;李剛;;攝影測量激光點云空洞修補[J];測繪科學(xué);2010年05期

6 張晶;楊云生;豐少偉;;基于點云法矢變化的點云簡化方法研究[J];計算機與數(shù)字工程;2011年12期

7 李曉久;景曉寧;;基于非接觸式測量的人體點云簡化方法[J];紡織學(xué)報;2012年07期

8 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

9 范然;金小剛;;大規(guī)模點云選擇及精簡[J];圖學(xué)學(xué)報;2013年03期

10 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標準化的線特征點云提取方法[J];北京航空航天大學(xué)學(xué)報;2013年08期

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術(shù)研究[A];全國先進制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學(xué);2013年

3 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

4 王瑞巖;計算機視覺中相機標定及點云配準技術(shù)研究[D];西安電子科技大學(xué);2015年

5 段敏燕;機載激光雷達點云電力線三維重建方法研究[D];武漢大學(xué);2015年

6 李艷紅;車載移動測量系統(tǒng)數(shù)據(jù)配準與分類識別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

7 崔婷婷;結(jié)合車載點云和全景影像的建筑物立面重建[D];武漢大學(xué);2015年

8 戴玉成;基于UAV傾斜影像匹配點云的城市建筑物信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

9 龔珍;地面三維激光掃描點云場景重建方法研究[D];中國地質(zhì)大學(xué);2017年

10 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點云配準研究[D];北京建筑大學(xué);2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學(xué);2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓撲結(jié)構(gòu)點云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

，

本文編號：2085063