三維重建過程中的點云數(shù)據(jù)處理技術(shù)研究.pdf

1、隨著點云數(shù)據(jù)模型在三維實體造型中越來越廣泛的應用，三維模型重建已經(jīng)成為逆向工程、工業(yè)檢測、文物保護，醫(yī)學圖像處理等領(lǐng)域的熱點研究內(nèi)容。然而由于三維掃描過程中設備抖動、人為影響等客觀因素的存在，導致獲得的三維點云數(shù)據(jù)不可避免會受到“噪聲”的污染，再加上點云數(shù)據(jù)量龐大，這將影響到后續(xù)重建模型的顯示、存儲及處理效率。因此，研究三維點云數(shù)據(jù)處理技術(shù)，對如何保證曲面重建模型的精度和效率具有重要的意義。
　　點云數(shù)據(jù)處理完整流程包括點云去噪、

2、點云精簡、點云配準、特征識別、區(qū)域分割、幾何估算、模型重建等方面。針對該流程中的點云去噪、點云精簡、點云配準這三個方面，論文的主要工作及研究內(nèi)容如下：
　　首先，為從含噪聲的散亂點云數(shù)據(jù)中提取出理想目標點云，本文提出一種基于改進K-means聚類算法的點云數(shù)據(jù)去噪算法。該算法能夠很好地自動識別及去除局部離群噪聲點，最大程度的保留了理想點云的原始掃描信息。實驗表明：相比于全局點云去噪,該算法迭代時不需要遍歷全局數(shù)據(jù)，迭代次數(shù)減少，時

3、間損耗得到降低，去噪效率得到有效提高。
　　其次，針對點云數(shù)據(jù)的冗余會嚴重影響曲面重構(gòu)速度和重建模型光順性的問題，本文提出一種結(jié)合點云曲率和法向的點云數(shù)據(jù)精簡算法。該算法通過提出一種能夠確定最佳聚類數(shù)的改進K-means聚類算法構(gòu)建散亂點云數(shù)據(jù)點的空間拓撲關(guān)系；其次，綜合考慮類內(nèi)點云數(shù)據(jù)點的曲率及法向量方向，并將兩者加權(quán)獲得特征因子，從而通過特征因子來判斷三維數(shù)據(jù)點是否為特征點；最后，通過設定特征因子的閾值來簡化不同類內(nèi)的點云數(shù)據(jù)

4、，從而得到含特征的點云數(shù)據(jù)。實驗表明：該算法提高了簡化效率，能夠更好地保留點云數(shù)據(jù)的細節(jié)特征和幾何形狀。
　　最后，針對現(xiàn)有迭代最鄰近點（ICP）算法在點云數(shù)據(jù)配準過程中查找對應最近點速度緩慢、配準效率低的問題，本文提出一種采用點云重心距離進行邊界檢測的點云數(shù)據(jù)配準新算法。在對點云數(shù)據(jù)進行粗配準的前提下，通過點云重心距離特征對待配準的不同視角點云進行邊界提??；在此基礎(chǔ)上，利用K-D樹在兩點云邊界中查找對應最近點對，并通過單位四元數(shù)