论文部分内容阅读
近年来,散乱点云数据的曲面重构在逆向工程、医药卫生、虚拟现实、3D打印等领域内有着广泛的应用。由于测量实体模型表面时存在误差以及曲面重构算法的缺陷,导致模型表面不光滑以及三角网格拓扑中存在空洞、多边共线和法向不一致等错误,这些都给曲面重构以及3D打印带来挑战和困难,因此模型表面的平滑处理,以及错误修复是建立完整模型的关键。另外,3D打印作为一种快速成型技术,目前已有着广泛的应用领域和巨大的发展空间,分层处理是3D打印的一个关键步骤,分层处理的效率决定了3D打印的效率、质量,因此对分层算法的研究是目前3D打印技术研究的一个热点。基于投影的点云曲面重建算法原理简单、重建速度快、重建效果好,但该算法存在局限性,需要假设曲面光滑和点云密度变化均匀,否则会使重建的曲面不光滑或者有空洞,因此本文使用基于移动最小二乘法的点云平滑算法对点云数据预处理,针对模型表面存在的多边共线,以及法向不一致错误,根据重建的局部性原理,重建时调整三角面片的法向,并引入辅助修复多边共线的入射半边链表,根据该数据结构提出多边共线的检测与修复算法。实验结果表明该算法能够修复三维模型中的多边共线错误,改善了模型的质量,为3D打印分层处理提供了完善的三维数据模型。由于STL文件表示模型的缺陷,限制了3D打印的快速发展,通过分析传统基于STL模型分层算法的缺陷,以及对比STL模型与AMF模型的优缺点,根据投影重建算法的局部性原理以及AMF模型的特点,提出一种基于散乱点云三维重建的拓扑结构分层算法。在重建的过程中,基于半边匹配完成拓扑结构的建立,并将拓扑信息存储到AMF模型中,最后基于该拓扑信息,完成3D打印的分层处理。实验结果表明该算法可以提高分层的效率,同时该算法将散乱点云的三维重建、模型的修复以及3D打印分层处理集成起来,减少分步操作所带来的数据有误等问题。