[发明专利]一种基于自适应滚球算法的曲面重建方法和系统

说明书

本发明提供一种基于自适应滚球算法的曲面重建方法和系统，曲面重建方法包括如下步骤：获取待处理的点云数据的种子三角形；采用滚球算法对待处理的点云数据进行曲面重建；在采用滚球算法对待处理的点云数据进行曲面重建时，根据可拓展边的长度、可拓展边参与构网的网格中各边长度与可拓展边长度的比值的平均值和标准差计算滚球半径。本发明所提供的技术方案，在用滚球算法对待处理的点云数据进行曲面重建时，根据可拓展边参与构网的网格中各边长度与可拓展边之间的关系得到滚球半径，从而提高滚球算法的适用性，解决现有技术中滚球算法进行曲面重建时适用性差的问题。

技术领域

本发明属于点云数据的曲面重建技术领域，具体涉及一种基于自适应滚球算法的曲面重建方法和系统。

背景技术

近年来，随着计算机在各领域中的深度应用及三维建模技术的快速发展，基于散乱点云的曲面重建技术在逆向工程、文物保护、工业制造、计算机辅助设计与制造、虚拟现实和科学计算可视化等领域得到了广泛的应用。目前，曲面重建方法主要分为三类：基于Delaunay三角化曲面重建，隐式曲面重建，区域生长法曲面重建，其中区域生长法曲面重建以一个种子三角形为初始网格，根据一定的拓扑准则获取第三点以延伸三角形网格，直至遍历所有点，得到重建表面。该曲面重建方法具有思路简单、时间复杂度低、能够处理较大规模点云等优点，常用算法有滚球算法、内在属性驱动算法、包围球算法、流行网格生长算法等。

滚球算法自1999年诞生以来，因其方法易实现、过程较直观，而备受国内外学者关注，但该算法要求：

1、点云附有准确、一致性的法向信息；

对于该要求，现已有较为成熟的点云法向估计及一致性调整算法；

2、点云足够均匀；

为了满足该要求，在对点云数据进行处理时，尽可能保证点云数据足够均匀。

当点云均匀时，采用滚球算法能够得到较好的重建图像，如图1(a)所示；当点云不均匀，则在采样点间距大于2r(r为滚球半径)的区域会产生孔洞，二维空间情形如图1(b)所示。

由图1a和图1b可知，当点云数据均匀时，应用滚球算法可以很好地重建出点云表面模型；但当点云数据不均匀时，难以确定一个合适的滚球半径来重建出高质量的三维模型；由此可见在采用现有技术中滚球算法进行曲面重建时，存在适用性差的问题。

发明内容

本发明的目的在于提供一种基于自适应滚球算法的曲面重建方法和系统，用于解决现有技术中滚球算法对点云数据进行重建时适用性差的问题。

为实现上述目的，本发明提供的技术方案是：

一种基于自适应滚球算法的曲面重建方法，该曲面重建方法包括如下步骤：

(1)获取待处理的点云数据；

(2)采用滚球算法对待处理的点云数据进行曲面重建；

在采用滚球算法对待处理的点云数据进行曲面重建时，根据可拓展边的长度、可拓展边参与构网的网格中各边长度与可拓展边长度的比值的平均值和标准差计算滚球半径。

本发明所提供的技术方案，在用滚球算法对待处理的点云数据进行曲面重建时，根据可拓展边参与构网的网格中各边长度与可拓展边之间的关系得到滚球半径，从而提高滚球算法的适用性，解决现有技术中滚球算法进行曲面重建时适用性差的问题。

进一步的，设可拓展边的长度为l，可拓展边参与构网的网格中各边长度与可拓展边长度的比值的平均值为μ，标准差为σ，滚球半径为r，则：

r＝l·(μ+k·σ)

其中k为比例系数。

进一步的，所述k的取值范围为[-1，1.5]。