从三维点云中重建表面的强大算法是什么？

Question

从三维点云中重建表面的强大算法是什么？

algorithm3dcomputational-geometry

77

我正在试图找出有哪些算法可以从三维范围数据中进行表面重建。乍一看，Ball pivoting algorithm (BPA) 和 Poisson surface reconstruction 看起来是更为成熟的方法？

除了BPA和Poisson表面重建算法之外，在该领域中还有什么已建立、更健壮的算法吗？
推荐的研究出版物是什么？
是否有可用的源代码？

- Fredriku73

9个回答

14

如果您想对各种表面重建算法进行直接实验，可以尝试MeshLab，它是一个网格处理系统，是开放源代码的，并包含了许多之前提到的表面重建算法的实现，例如：

Poisson表面重建
基于MLS的一些方法
球极化实现
基于Curless体积的变种方法
Delaunay基础技术(Alpha形状和Voronoi过滤)
从散点集计算法线的工具
以及许多其他用于比较/测量/清理/简化生成的网格的工具。

这些资源受GPL保护，因此您不能在商业闭源项目中使用它们，但在开始实现其中任何一种算法之前，了解各种表面重建算法（它们对噪声的敏感度，速度，对异常值的鲁棒性，如何保留精细细节等等）的属性非常重要。

- ALoopingIcon

3

我找到了这篇博客文章和下面的评论，它们提供了很好的提示。 - Gabriel Devillers

5

您可以开始查看该领域的一些最新工作 - 目前类似于 Gianmauro Cuccuru、Enrico Gobbetti、Fabio Marton、Renato Pajarola 和 Ruggero Pintus 的Fast low-memory streaming MLS reconstruction of point-sampled surfaces。它的引用可以让您快速浏览文献。

- Paul Lalonde

很好，这篇最新的论文我之前没有看过。喜欢相关工作部分。太棒了，谢谢！ - Fredriku73

谢谢Paul，我不知道这篇论文。而且我喜欢两位作者明显来自撒丁岛 :P - alcor

4

虽然不是一个网格表示，但我的一位前同事向我推荐了这个薄板样条方法的源代码链接：

链接

有人尝试过吗？

- Fredriku73

3

因为我自己也遇到了这个问题，所以我开发并实现了自己的点云外壳算法。源代码和文档都可以在github.com上找到：https://github.com/meixxi/PointCloudCrust。这个算法是用Java实现的。

也许这能帮到你。在网页上还有一个简短的Python脚本，说明如何使用库。祝你玩得开心！

- Stefan M

谢谢！这是一个非常干净易懂的实现。有点慢。我已经成功将它移植到了cpp。 - Nande

3

不确定它是否完全适用于你的情况，因为你似乎省略了一些信息，但是在这种情况下常常提到的是Marching cubes算法。

- unwind

1

谢谢，我还处于探索阶段，之前没有听说过Marching Cubes - 我会去了解一下。 - Fredriku73

3

Marching cubes并不适用于处理表面点，因为判断一个点是否在体积内部的计算开销较大。 - Martin Beckett

1

这里有一个Geometric Tools开发的3D Delaunay工具，它使用了DirecX和OpenGL。不幸的是，你可能需要购买一本书来查看该库的实际示例代码。但你仍然可以阅读代码并弄清楚。

Matlab也引入了一个使用Delaunay的表面重建工具，delaunayTriangulation类。

- Cloud Cho

1

这里是一个开源的C++网格处理库，由Hugues Hoppe博士编写，在其中，表面重建程序Recon是解决您问题的不错选择...

- user6043040

这份文档写得太糟糕了。 - Schütze

0

你可能对Alpha Shapes感兴趣。

- ESRogs

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- libeako · Accepted Answer

我已经面临这个困境已有几个月了，并进行了详尽的研究。

算法

主要有两类算法：计算几何和隐式表面。

计算几何

它们通过适合现有点上的网格来完成任务。

这个组中最著名的算法可能是powercrust，因为它在理论上很成熟-它保证网格无漏洞。

Ball Pivoting由IBM拥有专利。此外，它不适用于点密度不同的点云。

隐式函数

该类算法在点云上拟合隐式函数，然后使用类似Marching Cube的算法将零集提取为网格。

该类方法主要区别在所使用的不同隐式函数上。

Poisson、Hoppe's和MPU是该类别中最著名的算法。如果您对这个主题还不熟悉，我建议您阅读Hoppe的论文，它非常详细。

这一类算法通常可以实现为能够非常高效地处理巨大输入的方式，并且可以缩放其质量和速度之间的平衡。它们不受噪声、不同的点密度、孔洞等影响。它们的一个缺点是需要在输入点处具有一致的表面法线。

实现

您将找到少量的免费实现。然而这取决于您是否要将其集成到自由软件中（在这种情况下，GPL许可证对您是可接受的）或商业软件中（在这种情况下，您需要更自由的许可证）。后者非常罕见。

其中一个在VTK中。我怀疑它很难集成（没有可免费获得的文档），它的架构奇怪而且过于复杂，并且不适用于高性能应用程序。此外，还有一些对允许的输入点云的限制。

看看这个泊松实现，然后请与我分享您的经验。

另外：这里有一些高性能算法，其中包括表面重建。

CGAL是一个著名的3D库，但仅适用于免费项目。 Meshlab是一款带有GPL的知名应用程序。

此外（添加于2013年8月）：库PCL有一个专门用于表面重建的模块，并正在积极开发中（是Google的Summer of Code的一部分）。表面模块包含许多不同的重建算法。 PCL还有能力估计表面法线，以防数据没有提供它们，这种功能可以在特征模块中找到。 PCL按照BSD许可条款发布，并且是开源软件，可以免费用于商业和研究用途。