點云和網格模型的建立及形狀分布檢索算法研究.pdf

1、隨著三維激光掃描儀等三維數據獲取技術的發(fā)展，三維模型建模技術已成為研究熱點?；邳c云和網格表示的三維模型廣泛地應用于計算機輔助設計，虛擬現(xiàn)實，可視化等領域。三維模型的特征提取是三維模型檢索中的一個首要解決的問題和關鍵技術，直接影響著三維模型檢索的效果。本文以基于點云和網格表示的三維模型為研究對象，研究了點云和網格模型建立的關鍵技術，針對網格模型特征提取，提出了改進的點云模型簡化算法和形狀分布檢索算法。本文主要研究內容概括如下：
　

2、　 (1)點云和網格模型的建立。以三維掃描獲得的點云數據為基本輸入，經過對點云數據配準，去噪，修復等預處理，采用基于點云的表示，實現(xiàn)點云模型的建立；其次基于點云數據的表示對表而進行網格重構來構造網格模型，生成的網格模型需要進行簡化來減少模型的存儲量。
　　 (2)提出了一個基于K鄰域密度的點云簡化的改進算法。該算法首先對K鄰域中點到中心點的距離進行判斷，距離大于平均距離的點則保留，否則采用法向量誤差的方法進行衡量是否刪除點。該

3、方法事先控制簡化誤差，在曲率變化大的地方不易改變模型的形狀。實驗證明該方法對曲率大的模型進行簡化后能夠比較好的保留細節(jié)部分的信息。
　　 (3)提出了一種基于加強三維模型細節(jié)的形狀分布檢索算法。該算法首先將經過預處理的模型分割為N個子模塊并分別進行特征提取，然后構造每個子模塊的形狀分布直方圖，通過比較子模塊的相似度來計算模型的相似度。該算法相比形狀分布算法比較準確地計算出了模型間的相似性，有效地提高了細節(jié)的分辨，解決了外形相近但