CloudCompare——泊松重建

目录

  • 1.简介
  • 2.利用输出密度
  • 3.相关代码

在这里插入图片描述

博客长期更新,本文最近更新时间为:2023年8月10日。

1.简介

算法原理见:泊松重建算法原理介绍。

  qPoissonRecon是“Poisson Surface Reconstruction”的缩写,它是由约翰霍普金斯大学的Misha Kazhdan47提出的三角形网格生成算法的简单接口。CloudCompare软件中的这个功能与作者维护和共享的PoissonRecon48库的实现完全相同(目前使用的版本:6.11)。CloudCompare只是添加了一个对话框来设置一些参数(见下文),并将其无缝集成到自己的工作流中。
CloudCompare——泊松重建_第1张图片

注意

  1. 要使用这个插件,用户必须选择一个有法线的点云
    2.为了获得好的结果,点云的法线必须是干净的(即,所有法线的方向必须是正确的/一致的,并且不要有太多的噪声)
  2. 默认情况下,该算法应该应用于封闭的3D形状,但是也可以在一个不封闭的网格中,使用输出的“密度”信息来获得一个有效的网格。

  插件对话框如下:
CloudCompare——泊松重建_第2张图片

  参数比较清晰,可以在原始库页面上找到它们的精确定义。主要参数是'octree depth',越深(即越大),结果就越好,但也需要更多的运行时间和内存。
下面是一个输出网格的例子(网格在左边,输入点云-带法线-在右边):
CloudCompare——泊松重建_第3张图片

2.利用输出密度

  当处理开放形状(如激光雷达点云等)时,最有趣的功能是由PoissonRecon输出的'density’测量。你可以使用这个标量字段来减少输出的网格区段,以便与输入的云区段最佳匹配:

  • 一旦计算完成,关闭插件对话框
  • 选择输出网格
  • 向下滚动它的属性(查看“属性”对话框-默认在左边),直到你看到“SF显示参数”部分
    CloudCompare——泊松重建_第4张图片
      你可以使用左边的白色圆形交互器(对应于“最小显示值”)以交互方式隐藏顶点具有最低密度值的三角形。它们对应的是距离输入点云最远的三角形。
    一旦你在视觉上满意了结果,你可以导出可见的三角形作为一个新的网格:
  • 使用 ‘Edit > Scalar fields > Filter by Value’ 功能
  • 最小值和最大值应该已经设置为您交互式设置的值
  • 确认创建一个新的网格
  • 你可以在输出网格上(使用Edit > scalar Fields > Delete)删除’density’标量字段
    CloudCompare——泊松重建_第5张图片
    完整操作:
    1.生成模型

    2.根据密度裁剪模型

3.相关代码

[1]PCL 泊松曲面重建法
[2] Open3D Poisson曲面重构
[3] matlab 泊松曲面重建法

你可能感兴趣的:(CloudCompare,3d,计算机视觉,线性代数,算法,开发语言)