逆向工程作为现代设计和制造的重要技术,是CAD/CAM领域缩短产品设计与制造周期的重要手段之一,在汽车、文物考古、航空航天、武器装备等行业有着广阔的应用前景。随着计算机技术和数字化测量技术的快速发展,获取点云数据的手段更加丰富、快速、便捷,如何对散乱点云进行曲面重建已成为逆向工程发展的瓶颈。本文采用Delaunay细化方法,对不同类型点云数据进行曲面重建。具体内容包括:(1)基于Delaunay三角化曲面重建方法通常要求点云密度满足r采样条件,不适合处理海量点云。提出了一种保留边界的非均匀采样算法,在保留边界点云的前提下,根据不同曲面细节特征自适应地调整点云密度。实验结果表明,经简化后的点云可以较好地保留曲面边界,且适用于基于Delaunay三角化曲面重建方法。(2)提出了一种基于Delaunay细化噪声点云曲面重建方法。首先,根据移动最小二乘思想,引入抗差估计理论进行局部代数球拟合,从而快速、稳健地近似局部曲面;然后,利用AABB-tree对曲面包围球进行划分,快速查询与线段相交的包围球,采用并行化技术快速计算线段与曲面交点;最后,利用线段与曲面的交点不断地进行Delaunay细化,生成最终曲面。实验结果表明,该算法曲面重建精度较高,生成的三角面纵横比好。(3)针对含尖锐特征的噪声点云,提出了一种特征保留曲面重建方法。首先,采用Voronoi协方差矩阵法探测出初始特征点集,并利用特征线切向进行聚类;其次,将各点移至其邻域点沿特征线切向投影重心,以移动的距离为优先权进行均匀降采样;然后,采用NNCrust算法生成特征线,并以角点附近的特征线切向为约束修复角点;最后,利用基于保护球的Delaunay细化方法网格化曲面。实验结果表明,该算法可以完整地保留曲面尖锐特征,且具有较好的抗噪性。(4)针对含少量离群点的噪声点云,改进了基于Voronoi协方差矩阵曲面重建方法。以隐函数梯度在Voronoi协方差矩阵形成的张量场内的投影最大化为目标,构建隐函数微分方程,从而将曲面重建问题转化为广义特征值求解问题。采用离散外微分形式求解连续微分方程,在点云空间离散化过程中,引入概率测度理论定义曲面窄带,提高了算法抵抗离群点能力。实验结果表明,该算法无需点云法向、稳健性较强,生成的三角面纵横比好。