1、隨著深度攝像、激光測距等三維測量和信息獲取技術的發(fā)展,使得人們能夠方便地獲得精度和密度都越來越高的物體表面三維數(shù)據(jù),利用物體表面三維數(shù)據(jù)來進行三維模型曲面重建已成為近年來國際圖形學界的研究熱點之一,大大促進了逆向工程技術、CAD/CAM以及其他快速原型制造技術的發(fā)展,并廣泛應用于計算機視覺、醫(yī)學、航空、虛擬現(xiàn)實等領城。而進行散亂點云的三角網(wǎng)格化處理是進行模型曲面重構必不可少的前置處理步驟,也是最重要最關鍵的一步。因此,研究直接以散亂點云

2、數(shù)據(jù)為對象的三角網(wǎng)格化處理技術,對快速構造插值曲面及其在各個應用領域的推廣使用都有著重大的現(xiàn)實意義。
　　 本文的主要工作包括以下四個方面:
　　 1.在已有K-鄰域去噪算法的基礎上,進一步給出了對散亂點云數(shù)據(jù)進行去除噪聲和漂移點的方法,該方法采用高斯函數(shù)作為權重函數(shù)來評估數(shù)據(jù)點對其K鄰近點的影響程度,可有效解決漂移點的自動識別問題,并通過點云模型的平均兩點間距離值及平均影響程度等參數(shù)來判斷數(shù)據(jù)點是否為噪聲點以及離群點,

3、提高了對散亂點云模型進行去噪的模型自適應性。
　　 2.為散亂點云模型提供了一種基于局部曲面分析技術的點云模型自適應簡化算法,該算法借助空間分塊思想以及局部采樣密度分析完成點云模型的自適應簡化。算法可以根據(jù)用戶指定簡化后的數(shù)據(jù)點數(shù)或簡化比例,完成任意規(guī)模大小的點云簡化。
　　 3.提出了一種散亂點云模型的快速增量三角網(wǎng)格化處理算法,該算法運用波前(Wave Front)方法漸進地由點云數(shù)據(jù)生成物體表面的三角網(wǎng)格模型。以一

4、個“種子”三角形的三條邊初始化擴展邊隊列,以逐漸生成的新邊為擴展元素,借助一系列擴展優(yōu)化準則,快速完成最優(yōu)擴展點的評估和三角面片的重建,增量地從當前網(wǎng)格的邊界向外擴展三角面片,從而完成整個散亂點云模型的三角網(wǎng)格化。該算法可有效識別帶孔洞的模型邊界,并能自然處理各種非凸模型的曲面散亂點云數(shù)據(jù),具有較強的適應性。
　　 4.本文還將點云模型的三角網(wǎng)格化處理算法與點云模型的精簡算法結合起來,不僅可實現(xiàn)點云模型多分辨率的三角網(wǎng)格顯示,而