[发明专利]基于拉普拉斯算子的三角网格滤波方法及终端设备

说明书

本发明公开了一种基于拉普拉斯算子的三角网格滤波方法及终端设备，所述方法通过将每个顶点的邻域分割成两部分，然后计算每个领域半窗口的拉普拉斯算子，并根据计算得到的拉普拉斯算子更新顶点，以对顶点进行更新，这样可以恢复三角网格上的尖锐特征，并且可以防止网格翻转。此外，顶点更新方法可以快速获得滤波后的三角网格模型，并且只有一个迭代次数参数，简单易用。

技术邻域

本发明涉及图像处理技术领域，特别涉及一种基于拉普拉斯算子的三角网格滤波方法及终端设备。

背景技术

随着传感器技术的进步，三维扫描技术在人工智能、三维重建、VR/AR等邻域得到了广泛的应用，扫描一般得到的初始点云存储量巨大，并且不方便进行算法处理，经过表面重建得到的三角网格模型是最简单而常用的数据。然而，在扫描和重建过程中，三角网格模型会不可避免地被噪声污染，噪声会降低三角网格模型本身的视觉质量，而且还会影响到后续网格处理效果，从而影响三维扫描图像的效果。

发明内容

鉴于现有技术的不足，本发明旨在提供一种基于拉普拉斯算子的三角网格滤波方法及终端设备。

本发明所采用的技术方案如下：

一种基于拉普拉斯算子的三角网格滤波方法，其包括：

获取待处理对象的三角网格数据，其中，所述三角网格数据包括顶点集合；

根据所述三角网格数据计算各顶点的邻域顶点集合，并根据计算得到的邻域顶点集合确定各顶点的邻域半窗口集合；

确定各邻域半窗口的拉普拉斯算子，并通过所述拉普拉斯算子更新其对应的顶点，以对所述三角网格数据进行滤波。

所述于拉普拉斯算子的三角网格滤波方法，其中，所述获取待处理对象的三角网格数据具体包括：

通过预设扫描设备对待处理对象进行扫描，以获取所述待处理对象对应的点云数据；

根据扫描得到的点云数据生成三角网格模型，并根据三角网格模型获取所述待处理对象的三角网格数据。

所述基于拉普拉斯算子的三角网格滤波方法，其中，所述根据所述三角网格数据计算各顶点的邻域顶点集合，并根据计算得到的邻域顶点集合确定各顶点的邻域半窗口集合具体包括：

根据所述三角网格数据计算各顶点的邻域顶点集合，并根据各顶点的邻域顶点集合计算各顶点的普通拉普拉斯算子；

对于各顶点的每个邻域顶点，计算由所述普通拉普拉斯算子、顶点以及邻域顶点构成的平面到所述顶点对应的其他邻域顶点的距离；

根据计算得到的距离选取所述邻域顶点对应第一邻域顶点，并根据所述邻域顶点和第一邻域顶点确定顶点的邻域半窗口集合。

所述基于拉普拉斯算子的三角网格滤波方法，其中，所述根据计算得到的距离选取所述邻域顶点对应第一邻域顶点，并根据所述邻域顶点和第一邻域顶点确定顶点的邻域半窗口集合具体包括：

根据计算得到的距离选取距离最小的邻域顶点，作为所述邻域顶点对应的第一邻域顶点；

根据所述邻域顶点和第一邻域顶点将所述顶点对应邻域划分为两个半窗口，并根据所有邻域顶点对应的领域半窗口确定顶点的邻域半窗口集合。

所述基于拉普拉斯算子的三角网格滤波方法，其中，所述确定各邻域半窗口的拉普拉斯算子，并通过所述拉普拉斯算子更新其对应的顶点，以对所述三角网格数据进行滤波具体包括：

获取所述顶点的单位点法向向量以及其对应的各邻域半窗口的中心位置；

将各邻域半窗口的中心位置投影至单位点法向向量，并根据预设优化方式对所述投影进行优化，以得到各邻域窗口的半拉普拉斯算子；