[发明专利]一种外存三维模型的处理方法

权利要求书

1.一种外存三维模型的处理方法，该方法包括如下步骤：

步骤1：获取点云数据；

步骤2：由所述点云数据计算出每一个点的交叉排列值；

步骤3：根据所述点云数据每一个点的交叉排列值对所述点云数据进行排序；

步骤4：根据所述点云数据的排序，对所述点云数据进行重采样；

步骤5：根据所述点云数据的采样结果，建立与所述点云数据形状一致的三角形网格，所述三角形网格为原始网格模型；

步骤6：在所述步骤4中使用不同个数的采样点来代表模型点云，根据所述步骤5建立第一三角形网格，所述第一三角形网格是所述原始网格模型的直接压缩形式；

步骤7：在所述步骤4中将多个采样点的位置求平均值作为一个采样点，根据所述步骤5建立第二三角形网格，所述第二三角形网格是所述原始网格模型的抽象形式；

步骤8：对所述三角形网格、所述第一三角形网格、所述第二三角形网格进行分析。

2.如权利要求1所述的方法，其特征在于，所述步骤1包括：采用三维激光扫描所述点云数据；按照坐标值得到所述点云数据中的单个点；将深度数据作为第三维数据，将像素或已有的二维点转化为三维点；把表面体素的代表点作为所述点云数据中的单个点；并把所述三角形网格的顶点作为点云数据中的单个点。

3.如权利要求1所述的方法，其特征在于，所述步骤2包括：将所述每一个点的三维坐标分别按照二进制形式表示，并将每个坐标的二进制表现形式进行交叉排列得到新的二进制表现形式。

4.如权利要求1所述的方法，其特征在于，所述步骤3是指根据所述步骤2中所求得的每一个点的交叉排列值大小，将所述点云数据中的点按照交叉排列值的顺序从小到大进行排列。

5.如权利要求1所述的方法，其特征在于，所述步骤4是指按照步骤3排列后的顺序，对所述点云数据进行顺序采样。

6.如权利要求1所述的方法，其特征在于，所述步骤5包括如下步骤：

步骤5-1：建立采样点集合的狄洛尼三角化，对于所述狄洛尼三角化中的每一个三角面片，判断在原始点云集合中是否存在一个点，该点到所述三角面片的三个顶点的距离属于该点到采样点集合中点的距离里最小的n个之一，若存在这样的点，则将所述三角面片保留，否则从所述狄洛尼三角化中删除，其中n自然数；

步骤5-2：在所述狄洛尼三角化的基础上删除细长三角形生成第一三角形集合，对于所述第一三角形集合中每一个三角形，计算其外接圆半径与其最短边的比例，若该值小于设定阈值，则从所述第一三角形集合中删除该三角形，最终得到第二三角形集合；

步骤5-3：建立一个用来存储边的空的栈，并且将所述第二三角形集合中所有的边都加入所述栈，当所述栈不为空的时候，取出栈顶的边，如果该条边属于尖锐边，则在所述第二三角形集合中去除所有与该边相邻的三角形，并且把除了该条边的所有去除三角形的边再次加入所述栈中，最终第二三角形集合转化为第三三角形集合；

步骤5-4：通过深度优先算法遍历所述第三三角形集合，提取所述第三三角形集合的外部边界。

7.如权利要求1所述的方法，其特征在于，所述直接压缩形式是指通过多种不同的采样率来直接得到所述原始网格模型不同程度简化模型的序列。

8.如权利要求1所述的方法，其特征在于，所述抽象形式是指将压缩模型的顶点作为所述原始网格模型顶点的索引，采样过程中的每一个点对应着排序顺序中与其相邻的若干点。

9.如权利要求6所述的方法，其特征在于，n为6。

10.如权利要求6所述的方法，其特征在于，所述设定阈值为1.04。