[发明专利]一种三维点云模型的分层深度剥离方法

说明书

本发明公开一种三维点云模型的分层深度剥离方法，确定对点云模型进行分层深度剥离的相关参数，对三维点云模型进行预处理，计算点云模型中各采样点的法向；计算点云模型的翻转点集；构建翻转点集的凸包，标记点云模型中的“备选可见点”；判定“备选可见点”的可见性，确定“可见点”；对三维点云模型进行深度剥离，将“已剥离点”从点云中剔除；将剔除后的点云视为新的当前点云，重复实施“已剥离点”剥离和标记工作，直至当前点云为空集为止。本发明无需对点云模型进行曲面重建或网格化处理；与网格模型相比，点集存储简单灵活，传输速率高，且数据量较小。

技术领域

本发明属于计算机图形应用技术领域，内容涉及点云的可视性计算，具体涉及一种三维点云模型的分层深度剥离方法。

背景技术

三维点云模型的深度剥离技术，本质上是一种在三维空间中判断采样点是否可视的计算技术，在很多领域发挥着重要作用。如，基于视点的曲面重建、物体半透明渲染、场景中物体的遮挡关系计算等。该技术主要包括以下两个方面：

第一，点云可视性计算，即依据给定视点确定点云中的可见点，它是点云深度剥离的前提，也是计算机图形应用技术领域的一个基本问题，现有技术公开了多种点云可视性计算的方法。

有的方法先对三维点云模型进行网格化处理，或通过对点云进行曲面重构和曲面离散化得到网格化模型，进而通过计算机图形硬件的Z-buffer技术或曲面的消隐算法实现点的消隐处理，但该类方法本身是网格依赖的，效率相对较低。

也有方法先提出用面元表示点云模型中的采样点，面元是模型曲面位于采样点处的切平面上带有方向的一个圆盘，包含位置、法向、半径等信息，可采用光栅投影技术进行可视性测试，以确定各面元间的遮挡和融合关系，从而实现点云模型的消隐处理。这类方法中的“泼黑”技术在进行遮挡关系处理时引入一个阈值，即对于每个像素，所有离视点最近的面元深度值之差小于阈值时，则认为点是可见的，对其进行融合处理，否则会被剔除。由于涉及大量计算，此类方法的实现通常需要GPU等图形加速硬件的支持。

还有基于隐藏点消除算子的可视性计算方法，该方法需要构造点云在其对偶空间中的凸包，从而实现采样点的可视性判断，但在处理高曲率的凹面区域和噪声点处时，表现得缺乏鲁棒性，尤其在处理大规模点云模型时，计算结果的优劣易受凸包构建效率和准确性的影响。

第二、深度剥离技术，即根据渲染场景中模型或面片的遮挡关系，对模型顶点的深度值进行排序的技术，现有技术主要分为三类方法。

有将模型表面栅格化为点阵片元，通过对模型进行多次渲染得到片元的深度信息直至其被完全剥离，将这些片元的深度值按剥离顺序存储在一个分层的存储空间中。此类能够得到多个剥离层的深度图像及其与模型世界坐标之间的转换关系，但此类方法是针对网格模型的，无法直接处理点云中的采样点。

也有方法对于给定视点，按从前到后或从后到前的顺序排列渲染对象，通过GPU支持的遮挡查询执行图元之间的比较，并利用帧到帧的一致性来减少遮挡查询的数量，能够实现非交叉几何物体的可见性排序。但在GPU上执行遮挡查询时需要点与点之间的拓扑关系，不适用于本身就不带拓扑信息的三维点云模型。

还有用于渲染非结构化模型，是一种在对象空间和图像空间中运行的混合算法：在对象空间中进行部分图元的排序，创建一个排序后的图元列表；在图像空间中使用排序网络(固定深度)对图元进行增量排序；该类方法简化了CPU的处理，加速了四面体单元的渲染效率，但该类方法需要沿视线方向对体素进行采样，随着数据规模的不断增加，对硬件的需求较高。

现有的深度剥离技术均不能直接处理三维点云模型，目前也尚未见到直接在点云模型上实现基于可视性计算的点云分层深度剥离的相关技术文献记载。

发明内容

发明目的：本发明针对现有技术存在的不足，提供一种点云模型的分层深度剥离方法，无需对点云模型进行三维重建以获得模型的网格表示或数学表示，可直接在点云模型上实现采样点的深度剥离。