尺度可变的快速全局点云配准方法

随着三维场景数字化技术的发展,人们获取真实物体三维点云模型的途径愈发丰富.通过设备采集或多视图重建得到的分片点云模型需要进行配准生成完整模型,而由于获取途径不同或设备误差影响,分片点云往往具有放缩尺度不一致,初始相对位置关系不可靠,特征错配率高且噪声较大等问题.本文提出了一种尺度可变的快速全局点云配准方法,从点云中首先提取局部特征信息并进行匹配,在特征匹配关系确定的情况下,交替优化目标函数中的不同分量,使之快速收敛至最优解.由于目标函数带有鲁棒核,从而对实际问题中不可避免的特征错误匹配所带来的干扰具备较大容错能力.此外,本文设计了完整的端对端点云匹配流程,提出了考虑尺度差异的局部特征匹配方法,且对于高维特征描述子CSHOT使用降维方法大幅提升匹配速度.本文在多种类型的数据中进行测试,实验结果表明,本文方法在处理尺度不一致的点云模型配准问题中兼具效率与效果优势,与点云的初始相对摆放位置无关,且对于噪声较大和特征错配率高的数据均具有稳定性.

全局优化的保约束三维人造模型编辑方法

为了使得全局优化方法能够高效地应用在保约束三维人造模型实时编辑中,提出一套完整的处理方法.首先在模型中预先提取特征点并建立约束方程,分别表示特征点与它们所属几何形状的约束关系以及几何形状之间的约束关系,而通过引入形状参数作为额外变量,约束均可表示为低阶多项式方程组;在编辑过程中对特征点位置和形状参数同时进行优化,先将约束方程近似为线性方程求得初解,再从初解出发求得原非线性方程的精确解;在得到满足约束的特征点位置后,采用层次化形变策略联动网格模型.文中方法结合交互界面协助用户完成编辑操作,实验结果表明,该方法在普通桌面级计算机上具有较高的计算效率和精度,且能够处理种类丰富的人造模型.

精度可控的字典全局相似性点云压缩

为了控制三维点云数据的压缩精度,通过对点云空间划分建立字典结构,提出一种压缩精度可控的全局相似性点云压缩方法.首先对点云进行均匀空间划分并离散表示;然后建立一个字典,作为表示该离散数据的一组基以及一套用词条索引表示的数据结构;最后通过对字典中相似词条合并实现字典压缩,并通过无损编码实现索引压缩.实验结果表明,在普通PC机环境下对ModelNet和Farman数据集中的2组点云数据,该方法均能进行任意指定精度的压缩.

参数域边界平直化的模型表面参数化方法

为了支持简化模型纹理边界、满足模型简化中纹理映射需求,提出了一种参数域边界平直化的模型表面参数化方法.给出了由变换能量、防翻转能量和稀疏能量组成的能量方程.求解时引入辅助变量并求得近似解.实验中分别使用文中方法和已有参数化方法进行比较.在使用缺省参数情况下,文中方法面积和角度扭曲都处于合理范围.将不同参数化方法得到的带纹理模型简化到相同简化率.从简化误差数值和简化后视觉效果进行定量定性分析,都证实了文中方法更具优越性.进一步可以将其应用到游戏、航空等领域.