杨雨航,杨耀权,刘宏飞

(华北电力大学(保定)控制与计算机学院,河北 保定 071003)

0 引 言

近年来，利用目标三维点云或者目标多序列图像重建三维模型的技术在军事侦察、地形建模、工业自动化等领域蓬勃发展。如何重建出更为真实的目标三维模型是逆向工程中的关键问题之一，其中，点云网格化重建是逆向工程的关键一步。

目前，常用的网格化重建算法主要分为3种方式[1-3]：1)基于隐式曲面重建的泊松重建算法，该算法采用隐性拟合的方式，融合了全局与局部方法的优点，能有效平滑散乱点云中存在的噪声并且重建出的模型具有水密性的封闭特性，缺点是容易过渡平滑目标模型的细节特征；2)基于Delaunay三角剖分的曲面重建算法，该算法虽然重建出的模型细节特征保留较为完整，但耗时较长且不适合处理非均匀点云数据；3)基于参数曲面重建的算法，该算法可以处理非均匀点云数据同时重建模型较为平滑，但不适合处理散乱点云以及含有噪声的点云数据[4-6]。

相比之下，传统泊松算法虽然有着通过融合全局与局部方法而免去点云分割和拼接过程的优点，但也存在错误连接点云孔洞区域和法线方向不一致等不足，因此，近年来大批科研工作者针对传统泊松算法做了大量的优化研究[7-10]。黄明伟等人[11]提出了将高斯滤波引入点云数据的等值面向量场估计之中以改进泊松重建算法，成功提高了重建模型的精确性与完整性。高锋等……