基于三角片法矢调整的三角网格模型光顺

提出了一种新的三角网格模型光顺方法。首先,对模型中每个三角片的每个顶点,分别求出其一邻域内所有三角片与当前三角片法矢夹角的变化率。然后,根据这种变化率的不同,相应采用拉普拉斯算子或Kuwahara滤波算子对三角片法矢进行调整。最后,基于调整后的三角片法矢,调整模型中各顶点位置,实现三角网格模型的光顺处理。方法中的拉普拉斯算子,适合于对模型中的非尖锐特征区域的光顺,可以快速取得理想的整体光顺效果;而Kuwahara滤波算子则适合于对模型中的特征区域的法矢调整,能够在去除噪声的同时保留原有特征。另外,本文还提出了一种新的误差估计方法,通过计算模型光顺前后的近似间隙体积,可以得到较精确的模型光顺误差。实例表明,与传统方法相比,本文方法在获得理想光顺效果的同时,能充分保留甚至调整加强模型原有特征且光顺前后模型的变形很小。

激光扫描点云法矢精确计算与表面光顺方法

为在光顺的同时保持特征,在精确计算点云表面法矢的基础上,提出附加约束的双边滤波器光顺方法.首先考虑激光扫描点云分布特点对其进行预采样处理,提高法矢估算初值的精度;然后利用抗差最小二乘拟合提高法矢估算精度,并基于拟合中误差和点间距离构造双边滤波器对法矢进行进一步修正,得到较为精确的法矢估算结果;最后通过分析传统双边滤波器存在的问题,引入"噪声度"概念,基于噪声度和点间距离构造双边滤波器,并附加法矢和预测距离以区分拐角特征.实验结果表明了方法的特征保持能力和高效性.

基于法矢修正的点云数据去噪平滑算法

逆向工程数据采集点云数据的离群点和噪声点的存在,直接影响数据的多视图拼合,特征提取,数据精简以及曲面重构的质量。在对双边滤波和三边滤波算法的研究的基础上,提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征,将具有相似几何特征的点限制在法向量相似的区域,在相似邻域内的采样点法矢和位置分别进行保特征的三边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点,同时保证了点云数据的尖锐及边缘特征,取得良好的去噪效果。

基于几何先验和深度学习的点云法矢估算

法矢是三维点云曲面最基本的几何属性.为解决传统几何估算子与基于学习技术中的问题,提出基于几何先验和深度学习的点云法矢估算方法.首先,使用一个多尺度曲面块选择方法保持点云的特征和细节,以降低后续深度网络的学习难度;然后,结合局部特征和几何先验知识设计一个法矢优化神经网络,输出精确点云法矢;最后使用合成模型数据和Microsoft Kinect V1扫描得到的真实模型数据进行验证,使用平均角度误差作为度量标准与主流方法进行对比,定量和定性分析结果表明文中方法在保持模型细节和噪声鲁棒性方面均明显优于对比方法.

一种基于非均匀网格的点云数据缩减算法

针对点云数据量大的特点,提出了基于非均匀网格的点云数据缩减算法。采用球面投影的方法建立规则网格,以网格内部点的法矢的标准差作为网格细分的依据,用中值滤波的方法确定每个网格内的保留点,通过实验验证了该算法的可行性,并取得了良好的效果。