无序点云的平坦度自适应增量网格重建算法

设计了无序点云的平坦度自适应增量网格重建算法,通过对局部曲面平坦度的计算,根据预定义的公式,动态地调整自适应逼近误差参数,从而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,因此,适用于海量数据.该算法避免了基于三维Delaunay的四面体剖分带来的高复杂度及基于二维平面投影的三角剖分带来的变形和局限性.实验证明,能够高效、可靠地生成贴近原始曲面的三角网格,并取得较理想的绘制效果.

基于空间无序点云的层次构造三角化方法

描述了一种新的利用空间无序点云重构三维模型的算法,利用分层扫描的原理将无序的三维点云进行平面投影,使用矢量外边界扫描算法将点信息提取为线段信息,由于分层的有序性使得线段之间存在着良好的拓扑关系,经过在有序线段中提取拐点矢量,连接上下两层相关点,点模型就完成了三角化。该方法计算速度快,拓扑清晰,且不会出现失真(泊松表面重建)和空洞现象(区域增长法)。

无序三维点云重建技术研究

如何对海量三维点云数据进行快速三维重建是三维场景重现中关键的问题。本文从项目出发,对采集的无序点云提出根据内容进行重建,对非关键区域进行数据压缩,将压缩后的数据与关键区域的数据放在一起进行三维重建。试验结果表明,该方法能完整地呈现三维场景中的地物,同时也能减少三维场景重建的时间,可以为类似的三维重建提供一定的参考依据。

基于无序点云的叶片截面特征参数提取

针对提取航空发动机叶片截面特征参数的实用性要求,研究了基于无序点云数据的叶片截面特征参数提取方法.综合距离法和二分法的优点,采用基于矩形腐蚀法的距离-二分法对点云数据排序,基于最小包容区域直线和最小二乘圆拟合,提出了将整条叶片截面点云数据分割成前缘、后缘、叶盆和叶背4部分的自动分区方法,对特征参数提取方法做了研究并用VC++进行算法实现,使用UG/OpenGrip生成UG中叶片截面上的点云数据进行实验运算,计算精度达到10-4 mm,表明在实际测量和参数提取中算法误差可以忽略.

三维环境下交互式点云对象提取方法

针对海量无序点云数据中的复杂对象提取问题,利用三维可视化环境中的人机交互功能,划定对象分布范围以提取对象数据。采用三维平面视图直观表达点云中对象的位置及分布;借助三维交互技术,在平面视图中人工划分对象外包多边形;根据外包多边形从原始点云数据中提取对象点云,使用有效网格法进行化简。以4.1亿个数据点的场站点云为例进行应用,取得良好效果。