[发明专利]一种场景理解的网格曲面重建系统

说明书

本发明公开了一种场景理解的网格曲面重建系统，属于三维图形学领域，本发明系统包括数据输入单元、数据处理单元、曲面重建单元、点云网络曲面模型输出单元；所述的数据处理单元包括点云预处理单元、点云分割单元、点云修复单元；所述的曲面重建单元包括超球面映射单元、二元分割重建单元；本发明的单元首先将复杂场景进行基于具有局部视觉感知特性的小单元分割，深入分析子分割区域的空间结构、几何形态信息，构建出对应的自学习归类模型，基于视觉超球面映射原理，提出来一整套带有基础语义特性的数据分析和高质量表面模型重建算法，满足采用几何重建时的ρ‑ε重建准则。

技术领域

本发明属于三维图形学领域，本发明涉及一种场景理解的网格曲面重建方法及系统，具体是一种场景理解的网格曲面重建方法。

背景技术

针对测量所得点云的大数据量、散乱无序、局部缺失的特点，如何能对多种类型(如：LIDAR数据，ATOS结构光、Faro激光等扫描仪获取的数据)的被测实体进行高效、准确的重建出其对应的三角网格模型，一直是学界研究的热点。

综合从重建算法理论、模型来源分类、处理海量点云的方式三个方面的研究分析来看，重建算法在具有以下三个方面的特性时，将使得重建算法能有效处理复杂形态、多种来源的海量点云数据：(a)具有一定视觉感知的面向广义几何图元的分割；(b)具有一定场景理解的局部缺失区域自动修；(c)遵循ρ-ε准则具有整体和增量特性的拟计算几何重建模型。

针对测量所得点云的大数据量、散乱无序、局部缺失的特点，如何能对多种类型(如：LIDAR数据，ATOS结构光、Faro激光等扫描仪获取的数据)的被测实体进行高效、准确的重建出其对应的三角网格模型，一直是学界研究的热点。从国内已公开发表的文献资料、软件系统研究成果来看，针对源自不同场景的点云模型，仍缺少对同时具备“面向网格曲面重建的点云分割”、“具有模型场景理解的缺失区域自动修复”、“具有计算几何特性的点云曲面重建理论”三个特性的点云网格曲面重建算法方面的系统性实现。

此外，随着测量设备精度、效率的提高，测量获取的点云模型所包含的顶点多以千万、亿计数。由于点云模型是对实物模型或场景的直接三维采样，所蕴含的信息有限，并不能准确的表示被测实体的表面形态，为对实物模型进行更准确的数字化表达，并且进行高效的建模、编辑、分析、渲染等后续操作，需对点云进行基于三角网格的曲面模型重建。因此，本发明的研究应运而生。

发明内容

本发明针对现有技术中存在的问题，本发明提供一种针对来源自不同场景的点云数据，模拟和抽象视觉成像原理，遵循ρ-ε重建准则、不依赖于采样密度的网格重建方法和系统。

本发明是这样实现的：

一种场景理解的网格曲面重建系统，其特征在于，所述的系统包括数据输入单元、数据处理单元、曲面重建单元、点云网络曲面模型输出单元；所述的数据处理单元包括点云预处理单元、点云分割单元、点云修复单元；所述的曲面重建单元包括超球面映射单元、二元分割重建单元。