基于Crust算法的虚拟人台重建

对三维人体扫描数据进行精简处理并依据关键点提取半身人台数据.利用Voronoi图和Delaunay三角剖分的性质,在Matlab的平台上实现了经典的Crust曲面重建算法并得到基于真实人体的三维个性化人台模型.本文的建模方法便捷、准确,为建立大量个性化人台模型奠定了基础.

三维人体的点云获取与点云重建

针对三维人体重建中人体曲面复杂,点云庞大的问题,提出一种基于三维Voronoi图,并利用Delaunay三角剖分性质的Crust算法进行人体三维重建.采用三角测量原理计算三维坐标,散乱的点云构成Voronoi图,Delaunay三角剖分Voronoi图得到原始模型.利用Xjtuom三维面扫描仪测量人体点云,进而采集到了49幅不同角度和高度的图片,并用自带软件完成了配准.通过Matlab平台完成点云读取,点云精简和基于Crust算法的三维重建.实验表明,该算法可以保证曲面重建的拓扑正确性和收敛性.该三维重建系统能够实现人体庞大点云的三角剖分与人体复杂自由曲面的重建,并得到了360°无缝隙的人体重建模型.

Crust改进算法的点云网格自动构建

针对逆向工程、智慧城市和文物保护等领域中复杂散乱点云建模自动化程度低、精度差的问题,该文在Crust算法的基础上,对最佳三角形的判断方法进行改进。首先计算采样点的Voronoi图和极点,将Voronoi顶点和极点组成新的点集并进行Delaunay三角剖分,生成粗三角网格,建立四面体与三角形的对应关系;然后根据克拉默法则求解每个四面体的中心坐标,通过相邻两个四面体中心的欧式距离求解交叉系数,删除不符合标准的三角形;最终构建出完整、高精度的三角网格。经实验验证:该算法对于不同质量、不同密度的点云均有很好的适用性,能够实现散乱点云实体网格的自动构建,并且精度较高。

使用Lloyd Relaxation的物体表面网格化

根据输入的物体表面点云生成与表面点云拓扑结构一致且几何形状接近的三角网格,在计算机图形学建模中具有很重要的作用,提出一种基于Lloyd relaxation的模型表面点云网格化方法.首先从输入点云中随机选取一些样本点,样本点的数目可以指定;然后运用扩展的Lloyd relaxation算法将这些样本点沿着物体表面移动;当得到一个近似均匀的样本点分布后,运用改进的"crust"算法根据这些样本点生成三角网格.通过在每次relaxation过程中减少网格和曲面间体积的方法,使生成的三角网格与原始表面点云的几何形状接近.实验结果证明,该方法能正确、有效地生成输入点云模型的三角网格,并可以运用在三维物体表面重建和网格简化上.