[发明专利]一种智能多分辨率特征优化的三维重建方法及系统

说明书

本发明涉及一种智能多分辨率特征优化的三维重建方法及系统，该三维重建方法包括：设置第一分辨率和第二分辨率，第一分辨率低于第二分辨率；利用原始三维扫描数据，基于第一分辨率进行重建得到低分辨率模型，计算低分辨率模型中各个三维点的曲率，将曲率大于设定曲率阈值的三维点标记为特征点；利用以各个特征点为中心的设定区域范围内的原始三维扫描数据，基于第二分辨率进行重建得到三角网；将三角网缝合到低分辨率模型中得到三维重建模型；以较高分辨率重建特征区域，以较低分辨率重建平面区域，并自动合并分辨率不同的交界区域，可以同时兼顾细节部分的良好视觉效果，而在平面上保持较大的点间距或三角网格，降低导出数据的大小。

技术领域

本发明涉及三维重建技术领域，尤其涉及一种智能多分辨率特征优化的三维重建方法及系统。

背景技术

在三维重建技术流程中，生成的结果数据一般是固定的分辨率，点云的点间距或三角面片的大小都是整齐划一的。想得到更精细的细节呈现，往往要设置更高的分辨率，而数据量则会急剧膨胀，低分辨率降低了数据量，但无法呈现复杂模型的细节。

发明内容

本发明针对现有技术中存在的技术问题，提供一种智能多分辨率特征优化的三维重建方法及系统，以曲率为依据自动识别扫描物体的特征区域，以较高分辨率重建特征区域，以较低分辨率重建平面区域，并自动合并分辨率不同的交界区域，可以同时兼顾细节部分的良好视觉效果，而在平面上保持较大的点间距或三角网格，降低导出数据的大小；相比于在特征处通过数学函数插值生成稠密网格的方法，本申请直接采用扫描的真实数据在局部重构、合并，确保了数据的真实性；对于需要保留局部特征的大型样件，本方法可大大减少数据量。

根据本发明的第一方面，提供了一种智能多分辨率特征优化的三维重建方法，包括：

步骤1，设置第一分辨率和第二分辨率，所述第一分辨率低于第二分辨率；

步骤2，利用原始三维扫描数据，基于所述第一分辨率进行重建得到低分辨率模型，计算所述低分辨率模型中各个三维点的曲率，将曲率大于设定曲率阈值的所述三维点标记为特征点；

步骤3，利用以各个所述特征点为中心的设定区域范围内的所述原始三维扫描数据，基于所述第二分辨率进行重建得到三角网；

步骤4，将所述三角网缝合到所述低分辨率模型中得到三维重建模型。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述步骤1中根据三维重建的需求以及所述原始三维扫描数据的大小设置所述第一分辨率和第二分辨率的大小。

可选的，所述步骤2中的所述曲率为高斯曲率、主曲率或平均曲率。

可选的，所述步骤3包括：以每个所述特征点为中心、设定阈值为半径构建空间包围盒，裁减掉落入所述包围盒中的三角面片；

遍历所述原始三维扫描数据，将落入所述包围盒中的点存入数组，基于所述数组中的点进行三维重建。

可选的，所述步骤3中基于所述第二分辨率进行重建得到三角网的过程包括：

将所述包围盒中的空间划分为多个立方体形的体素，利用TSDF算法确定各个所述体素的顶点的权重和TSDF值，再利用Marching Cubes算法提取等值面，生成所述三角网。

可选的，所述步骤4中进行缝合的过程包括：

在所述三角网的网格块的边界处搭桥形成闭环进行缝合；再调用Delaunay三角化方法重新组织三角面片；修复拓扑错误，解决因缝合产生的自相交区块。

可选的，在所述边界处构建了基于halfedge的数据结构的网格拓扑以及构建了空间KD树。