散乱点云的自适应α-shape曲面重建

摘要 针对α-shape算法不适用于散乱非均匀点集曲面重建的问题，提出了一种基于点云数据局部特征尺寸（LFS）的自适应α-shape曲面重建改进算法。首先，以采样点的k-邻近点计算出负极点逼近曲面中轴（MA）；然后，根据近似中轴计算曲面在采样点处的局部特征尺寸，并依据局部特征尺寸对原始点云进行非均匀降采样；最后，根据三角面片的外接球半径和对应的α值自适应重建出物体表面。与α-shape算法相比，所提算法可以有效合理地减少点云数据量，点云简化率达到70%左右，同时重建结果中冗余三角面片更少且基本没有孔洞。实验结果表明，所提算法能够自适应地重建出非均匀点集的表面