[发明专利]一种伸缩式的点云数据重建方法

说明书

本申请发明一种伸缩式的点云数据重建方法，通过对点云数据进行组织规划处理，将大规模的点云数据组织成有序的树形数据结构，通过三维模型与观察点的距离，设置树形结构遍历层次阀值，从而快速、高效的完成点云数据模型的三维重建。

技术领域

本发明涉及虚拟现实技术领域，具体涉及一种伸缩式的点云数据重建方法。

背景技术

在当今虚拟现实领域，三维模型的真实感关系着一款虚拟现实产品的好坏，激光雷达扫描仪、3D扫描仪的出现，使得真实物体可以形成点云数据(Point Cloud Data)展现到计算机当中，然而点云数据数量庞大，如何将点云数据快速、真实的进行模型重建成为虚拟现实技术领域和计算机视觉领域中一个重要的问题。

传统的点云数据重建方法主要是德洛内三角网格重建算法(Delaunaytriangular mesh)，然而此方法出现重建速度慢、重建后各个三角面片大小不一、各面片连接处不光滑等问题，在虚拟现实产品中渲染出来的三维模型真实感较差，出现突兀变形、图形锯齿等问题。如何将百万级、千万级的点云数据组织起来，并将其在计算机上快速重建呈现出来，是虚拟现实领域呵呵计算机视觉领域中一个重要的研究方向。

点云数据中模型点的数量庞大且无序，全部在计算机上绘制呈现出来需要消耗较多时间，如何组织管理好点云数据并将其在虚拟现实产品中快速重建绘制出来是解决问题的关键，解决了这个问题将有效提升虚拟现实产品中模型画面的真实感和沉浸感水平，有助于开发出更多优质的虚拟现实产品。

近些年来，基于点云数据的模型重建方法相继发表，针对的应用不同，使用的技术也不同，现今主要的点云重建方法主要是通过基于网格的重建算法和基于距离函数的隐式表面重建算法。其中基于网格的重建算法主要有四种方法：1)通过大量数学计算的Delaunay三角网格重建方法；2)通过初始种子延伸的区域扩张法；3)通过处理噪声数据的隐式表面重建方法；4)通过统计学习和机器学习的统计学方法。然而，网格的构建计算过程需要消耗大量的时间，难以保证点云数据绘制的实时性，因此很难应用在虚拟现实产品中。基于距离函数的隐式表面重建算法通过标量函数的等值面来完成点云数据模型表面的重建，但对于大规模的点云数据同样存在实时性不强的问题。

针对这种情况，本申请发明一种伸缩式的点云数据重建方法，该方法用于点云数据模型的快速重建，通过对点云数据进行组织规划处理，形成四叉树的树形结构，根据三维模型与观察点的距离不同，设置相应的树形结构层级阀值，进而快速完成三维模型重建(3Dreconstruction)。

发明内容

本发明的目的在于解决当前虚拟现实产品中模型的点云数据难组织管理、重建绘制实时性不强的问题。提出了一种伸缩式的点云数据重建方法，此方法不仅能够将点云数据组织管理好，还能够依据三维模型与观察点的距离不同快速的重建点云模型。

本发明通过对点云数据分片进行组织处理，形成“父-子”节点关联的树形数据结构，绘制过程中根据模型与观察点的距离，设定不同的阀值来控制树形数据结构遍历的层级，能够更快的完成点云数据重建过程，从而保证了点云数据的组织管理有序和重建过程的实时性。绘制点云数据，如果追求把所有三维点都一一绘制出来，这样会消耗较多的时间，如果通过构建相似父节点，根据不同阀值，显示相对应的父节点，这样能够保证点云数据重建绘制的实时性。

本发明通过预处理过程将大规模的点云数据组织成有序的树形数据结构，通过三维模型与观察点的距离，设置树形结构遍历层次阀值，从而快速、高效的完成点云数据模型的三维重建。

具体地，本申请请求保护一种伸缩式的点云数据重建方法，其特征在于，该方法具体包括如下步骤：

将散乱的点云数据分片连成网格；

构建区域性父节点；

重复第二步骤，建立更大覆盖区域的父节点，直到最后形成一棵树形数据结构，并存与文件中；