[01444672]点云数据特征线的鲁棒提取研究

特征线是三维形体的重要特征,刻画了模型大致轮廓和形状,在三维模型的数字几何处理中,对于模型的精确表达以及模型的理解与分析等方面起着重要作用。特征线提取是数字几何处理的一个重要基础工作,为模型的参数化、交互编辑、模型匹配、几何变形和动画等工作提供了充分的前序。因此,三维模型的特征线提取一直是计算机图形学的一个活跃研究内容。 近年来,随着三维扫描与建模技术的提高,基于采样点的点云数据,已经逐渐应用到数字城市、逆向工程和工业产品创新设计等诸多领域中,且点云数据模型与传统的网格模型相比具有如下优势：数据获取方便、结构简单、无需繁琐的三角化处理、无需维护拓扑结构、能够满足几何模型复杂度及逼真度日益提高的要求。因此,点云数据的数字几何处理已成为计算机图形学中一个新兴的研究领域。然而,由于点云数据缺乏固有的连接关系且受易噪声、离群点、釆样不均等因素的影响,使其特征线的鲁棒提取成为一项富有挑战性的课题。鉴于此,本项目研究点云数据特征线的鲁棒提取。 本项目实现点云数据保持几何特征相似的分割及其特征点的准确提取,进而实现光滑特征线的自适应提取。项目基于Mean Shift（MS）,实现点云数据几何特征相似性聚类;基于聚类单元的加权协方差分析,实现聚类中碎片的自适应归并。基于潜在特征点近邻域采样点法向的MS聚类结果及该点与各分片曲面的位置关系,实现特征点的准确提取。基于启发式搜索策略生成初始特征线,并采用主动轮廓模型实现优化处理。