[发明专利]三维扫描系统中三维散乱点集的三角剖分构造方法

摘要

本发明提出了一种用于图像三维重构的三维散乱点集的曲面三角剖分构造方法，针对快速测量系统获取海量数据点云，对经过过滤处理和拼接后的点云进行三角剖分，三角剖分步骤：首先对三维散乱点进行预处理采用将散乱点集P中所有点排序，形成一个初始三角剖分，再此基础上逐点加入新点，形成新剖分，至散乱点集处理完毕，生成基本三角形网格。上述对基本网格运用曲率最小优化准则优化采用如下方法：先在初始内边链表m_ElistInner中找出产生凸四边形的网格内边，对该内边的优化处理采用最小权优化准则和最小内角最大化优化准则相结合；再用曲率最小优化准则优化初始边链表m_EdgeList中三角形边。

主权项

权利要求书1、一种用于图像三维重构的三维散乱点集的曲面三角剖分构造方法，第一步：点云预处理：对三维散乱点进行预处理采用将散乱点集P中所有点Pi(xi，yi，zi)(i＝1，2，…，m)投影到X-Y平面上，得到散乱点集P中所有点Pi(xi，yi，zi)(i＝1，2，…，m)的投影点，以各投影点的X坐标值的平均值作为X-Y平面上的中心Pc在X-Y平面上X坐标值，以各投影点的Y坐标值的平均值作为X-Y平面上的中心Pc在X-Y平面上Y坐标值，在根据散乱点集P中所有各点Pi(xi，yi，zi)(i＝1，2，…，m)至中心Pc的远近，对散乱点集P中所有各点Pi(xi，yi，zi)(i＝1，2，…，m)，按从近到远排序，存储在链表m_TaxisDotList中。第二步：生成基本三角形网格：a)从m_TaxisDotList中取出第1、第2个点，作为头和尾，存入链表m_TBList，再从m_TaxisDotList中按序逐一取点，直至所取点位于第1、第2个点的连线之外。b)比较第一个与作为原始头、原始尾的第1、第2个点共线的点至原始头、原始尾的距离，将至原始头较原始尾距离小的第一个共线点作为链表m_TBList的新头，排列在原始头之前，或者将至原始尾较原始头距离小的第一个共线点作为链表m_TBList的新尾，排列在原始尾之后，依此步骤，对后续共线点进行排列。c)根据位于第1、第2个点的连线之外的点与第1、第2个点的连线的左、右关系，当该点在第1、第2个点的连线右侧时，将链表m_TBList进行逆向排列，并以该点作为新头排列在链表m_TBList最前位置；当该点在第1、第2个点的连线左侧时，以该点作为新头排列在链表m_TBList最前位置，由此得到初始链表m_TBList。d)根据初始链表m_TBList，得到初始三角网格，将三角形信息放入初始三角形数组m_TriArray，将三角形边的信息放入初始边链表m_EdgeList，并将作为网格内边的三角形边的信息放入初始内边链表m_ElistInner，再将初始边链表m_EdgeList-中三角形边的编号存至链表m_TBList的相应位置。第三步：在基本三角形网格基础上，扩充三角形网格，直至散乱点处理完毕。其特征在于：第四步：优化基本网格：先在初始内边链表m_ElistInner中找出产生凸四边形的网格内边，对该内边进行如下优化处理：对于凸四边形，同时使用最小内角最大优化准则和最小权优化准则，如果一个凸四边的四点共圆，则对其采用最小权优化准则优化，否则采用最小内角最大化优化准则；再用曲率最小优化准则优化初始边链表m_EdgeList中三角形边。