[发明专利]一种外存三维模型的处理方法

说明书

技术领域

本发明涉及计算机图形学和计算机视觉技术领域，特别涉及一种外存三维模型的处理方法。

背景技术

从点云重建出三维网格模型可以被分为两大类：基于隐式曲面的方法和基于计算几何的方法。基于计算几何的方法可以保证初始点云中点的位置信息在重建结果中作为网格模型的顶点得到保留。该类方法基本思想是对初始点云进行狄洛尼三角化或者构建维诺图(Voronoi Diagram)，然后根据一定规则删除和保留三角形，最后得到流形网格曲面。有学者提出了名为Power Crust的重建方法，该方法首先建立点云数据的维诺图，然后计算每一个点的极点(Pole)，即维诺单元(Voronoi Cell)中距该点最远的点。Poles按照一定规则被标记为内部或者外部，连接内部Poles的三角面片即组成重建出的网格模型。

基于计算几何的方法可以根据原始数据的采样率给予重建结果一定程度上的理论保证，但是该方法对噪声的鲁棒性不强，对于实际点云数据应用价值稍低。因此在实际中应用更广泛的是基于隐式曲面的方法。该类方法首先根据点云位置拟合出光滑的隐式函数，然后用Marching Cube一类的方法从等值面构建出网格模型。基于以上思想，有学者将隐式曲面的求解转化为一个泊松方程问题。该方法对点云空间进行层级划分，并根据划分结构定义指示函数，指示函数满足在点云表面附近的梯度方向与该处的点云法向量一致，最后通过求解线性稀疏方程获得隐式曲面的定义。基于泊松方程的重建方法对噪声和数据缺失鲁棒性强，对于实际物体的点云扫描数据重建效果良好，具有良好的应用价值。

近年来，三维激光扫描仪的价格不断下降，在各种领域得到极快的普及，而且扫描仪的扫描精度也显著提高。因此在许多应用领域如古文物的数字化保存、城市数字化等方面获得的三维点云数据的规模十分庞大，往往具有千万级乃至亿级的顶点个数，存储容量也达到几个甚至几十个G字节。如果利用已有的方法对如此庞大的数据进行信息的提取及重建，一方面所需时间无法承受，对千万级的点云进行一个简单的操作可能就需要几十分钟，难以满足实际需求；另一方面，传统的基于内存的方法也无法适用，由于数据十分庞大，不可能一次性读入内存然后再进行处理。因此需要新的外存三维模型的处理方法。

发明内容

(一)要解决的技术问题

本发明提供了一种外存三维模型的处理方法，该方法在对点云数据采样的基础上实现与原始数据拓扑结构一致的网格化，解决了现有技术中操作时间长、不能一次性读入内容进行处理等问题。

(二)技术方案

为解决上述技术问题，本发明提供了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，再根据所述步骤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，再根据所述步骤5建立第二三角形网格，该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。

优选地，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；并且把三角形网格的顶点作为点云数据中的单个点。

优选地，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。

优选地，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。

优选地，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。

优选地，所述步骤5包括如下步骤：