基于移动最小二乘曲面的点云拼接算法

针对现有点云拼接方法受被测零件复杂外形和测量噪声影响的问题,提出基于移动最小二乘(Moving Least-Squares,MLS)曲面的点云拼接算法.该算法利用一种极值投影方法来有效计算点到MLS曲面的对应点,并结合迭代最近点(Iterative Closest Point,ICP)算法将各个视角的点云统一到该MLS曲面.实验结果表明该算法能获得精确、稳定的拼接结果.

局部表面拟合的点云模型法向估计及重定向算法

为了提高对点云模型处理的有效性,提出一种对点云模型的法向估计和重定向方法.首先利用基于局部平面拟合的主元分析方法得到初步法向估计;然后改进移动最小二乘曲面实现局部曲面拟合,进一步得到更加准确的法向,实现了点云模型的去噪光顺;最后通过增加切向约束规则来修正法向重定向中的法向传播方向.实验结果表明,对于具有复杂细节(如紧邻面、尖角形状等)的点云模型,该方法可以提高法向计算的准确度,并得到光顺的点云模型.在实际应用中,该方法可以很好地应用于点云模型的预处理,为后续的模型处理和分析提供良好的数据基础.

基于相似性的点模型简化算法

为了获得高质量的简化点模型,提出了一种基于相似性的曲率自适应点模型简化算法,相似性包括强特征边性和表面区域几何特征相似性2个方面.利用法向张量投票方法,计算采样点的特征边性,由此将点模型分为强边性和非强边性2部分;基于Mean Shift聚类法,对非强边性部分进行表面区域几何特征相似性聚类;对强边性部分和各类簇重采样,实现曲率自适应的简化,并通过移动最小二乘曲面,评估简化曲面的误差.实验结果表明,该算法有效地保持了特征边界部分和曲面的细节,且能够生成高质量的简化点集曲面.

点模型的几何图像简化法

提出一种基于几何图像的曲率自适应点模型简化算法.首先将点模型的球面极坐标映射到平面上,构造其几何图像;然后利用几何图像确定点模型中点的k-最近邻域及其曲面变分;最后结合曲面变分和简化密度对点集曲面重采样,并通过移动最小二乘曲面评估简化的误差.实验结果表明,该算法执行速度快、易于控制采样密度和保持曲面细节,且能够生成高质量的简化曲面.

点模型的快速高质量绘制

针对点模型的快速高质量绘制问题,提出一种单遍绘制算法.首先根据构造的移动最小二乘曲面计算采样点的表面几何属性,然后根据协方差分析确定点元在其切平面上的椭圆表示,最后采用椭圆加权平均滤波从远到近单遍绘制各点元.此外,根据表面几何属性确定点模型的轮廓线,实现了点模型的非真实感绘制.实验结果表明,该算法能够实现点模型的快速绘制且绘制效果令人满意.

基于球面参数化的点模型渐变

为了获得光滑自然的点模型渐变效果,基于球面参数化,提出了一种鲁棒的渐变算法。该算法首先对源和目标模型进行球面参数化,使得参数化后的模型嵌入到单位球面上;然后在球面上自适应地对齐模型间的相应特征点,并将球面映射到矩形参数域上,基于该域建立模型间各采样点的对应关系;接着在渐变过程中,采用拉普拉斯算子计算出中间点模型的几何位置,以保持模型的细节;最后利用移动最小二乘曲面进行动态上采样,以消除中间模型的裂缝。实验结果表明,该算法具有良好匹配的采样点对应和光滑的渐变过程。

利用连续变形技术的三维点云简化方法

针对曲率变化较大的三维点云表面模型简化方法中容易出现失真的问题,提出了一种利用连续变形技术的三维点云简化方法。算法采用包围盒法构造分割面,分割面将三维点云处理成按扫描线存储的"结构化"测量点集;逐线生成点集的凸包多边形,按一定准则将剩余的离散点集归类到对应的凸包边,引入变换程度参数,通过计算离散点的选取时机参数对其进行选取,获得不同简化比率的连续变化的点云简化模型。随后以右心室、佛像、雕刻面板为典型实例,分别对具有不同表面特征的三维点云模型进行了简化验证,并通过移动最小二乘曲面,评估简化曲面的误差。结果表明,该方法能够有效地简化三维点云,对曲率变化比较大的表面仍然能很好地保留原始模型的几何特征。