2025《三角网格重建技术研究现状文献综述》1500字.docxVIP

PAGE

PAGE5

三角网格重建技术研究现状文献综述

点云数据本质都是由大量的显示其三维坐标以及其他有效信息的离散数据构成。对于离散点云来说，离散数据的可视化有效性差，直观性较低，所以需进行三角重构。三角重构就是将一系列离散的数据通过线段连接成具有拓扑结构的三角网格，如图1-2所示。左边是一个个离散的点，重构之后就如右边所示，每个点之间用一些线段连成具有拓扑结构的三角网格。

图1-2重构示意图

传统重建方法和基于深度学习的重建算法是两种主流的三维重建方向。传统重建算法常见算法有移动立方体算法(MarchingCubes，MC)[30]、泊松重建算法[31]、德劳内三角重建算法[32]等等。近些年来，三维重建和深度学习的结合使得表面重建技术的发展又上了一个台阶，常见方法有DeepMarchingCubes[33]、Deepsdf[34]等，这些算法的核心思想是基于点云训练一个分类器，之后运用MC算法进行表面提取，最后分类八叉树的顶点。最近，国内学者罗一鸣等人提出的SSRNet[35]和基于深度学习的德劳内三角化表面重建网格DeepDT[36]，算法可以恢复一些细节，也适用于大量点云的三维重建。同时，作为处理点云的库，PCL库的surface模块也提出了一些优秀的三维重建算法[37]。

国外对于三维重建技术的研究较为先前。Edelsbrunner[38]在1994年提出了α-shape算法，该算法主要是去除四面体凸包中的四面体、三角形以及边缘，以此获得曲面表面。Choi[39]在1998年提出的Crust算法是一种基于Delaunay三角剖分和Voronoi图的三维重建算法，此算法无法处理噪声数据。Hoppe[40]等人提出了泊松重建算法，该算法是通过拟合指示函数来估计物体表面。SMartin[41]等人提出了基于弗雷德曼方法进行点云重建的算法，此算法运用德劳内三角化对高维空间的点云进行非流体三维重建。K.Sareen[42]提出了基于轮廓的集成方法，给假肢数据的重构提供了统一算法。SarangiS[43]等人将空间中的点云数据转换为包含小面和边缘的高阶几何模型。FBernardini[44]等人基于球旋转算法计算给定点云的三角形网格，进而重建点云，此方法不需要较大内存量，其效率和精度比现有技术更高。

张旭[45]等人在2008年提出了根据边特征三维重建的算法，但是具有复杂环境不适用的不足。高福顺[46]等人提出了一种区域增长算法，该算法是利用原始点云数据的几何特征进行滤波和重建。韦争亮[47]等人基于Delaunay三角剖分提出了一种网格重建算法，此算法能够避免三角形交叉而引起的与法向量不一致的问题。周婷[48]人在2013年提出了德劳内三角剖分的改进算法，首先将原始数据划分成多区域，由于需要三个点来构成三角形，所以规定构成三角形的第三个点必须在当前域及其相邻域，此域的数据搜索完之后才能进行其他区域的数据搜索。喜文飞[49]等人提出一种利用空间三角形的法向量来构成三角形的第三个点的搜索空间三角网方法。

参考文献

花威,史庭俊,吕强.基于模型在环仿真的自动驾驶虚拟测试平台[J].电子技术与软件工程,2021(8):5.

张银.基于EKF智能车辆多传感器融合定位算法研究[D].长沙理工大学.吴晓莉.医学图像可视化移动立方体二义性研究[D].四川师范大学硕士学位论文,2013.

訾烨,任明武.一种基于高精度地图匹配误差的路径规划方法[J].计算机与数字工程,2021,49(11):6.DaveShreiner,GrahamSellers,etc.OpenGL编程指南[M].机械工业出版社,2016.

易延光,黄洪彬.车载移动测量系统的构成与应用[J].黑龙江水利科技,2011,39(03):284-285.

徐中源.基于实测路面信息的三维虚拟路面重构研究[D].青岛大学.

LiuH,WangS,ZhaoD.Initialalignmentforpointcloudregistrationbyimproveddifferentialevolutionalgorithm[J].Optik-InternationalJournalforLightandElectronOptics,2021(2):166856.

王一雯,丁北辰,张澄.三维重建领域多源数据融合配准的研究[C]//第七届全国BIM学术会议论文集.,2021:452-456.DOI:10.26914/c.cnkihy.2021.044794.

罗天男.基于模型的全局点云配准方法研究[D].哈尔滨工业大学,2016.

FaugerasO，