改进泊松算法的图像三维重建点云模型网格化

摘要：

针对泊松表面重建算法在点云数据的网格化中仍不能有效满足“细节保持与噪声平滑”的平衡问题,该文提出了一种基于高斯滤波的改进泊松算法.通过将高斯滤波引入到点云数据等值面的向量场估计中,一方面实现了对点云拓扑结构的更准确估计以及对点云噪声的有效平滑;另一方面通过调节高斯滤波中的标准差参数,实现了对点云模型网格化的细节保持与噪声平滑的细微控制.以福州大学张孤梅雕像为实验对象,图像三维重建技术获得的点云数据作为数据源,利用改进的泊松算法进行点云网格化.结果表明,改进的泊松算法提高了网格模型的精确性与完整性,且在视觉上更好地逼近真实模型的细节,验证了改进算法的有效性.

关键词：三维重建、泊松算法、可控参数、高斯滤波

所属期刊栏目：42

分类号：P208(一般性问题)

资助基金：国家科技支撑计划课题项目2013BAH28F02

在线出版日期：2017-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：23-28,38