● 摘要
模型重构是现代计算机图形学和计算几何中的常见难点问题，在许多应用中都需要处理真实物体的分段线性逼近以完成重构模型的任务。获取物体三维数字模型的方法一般使用三维照相装置对真实物体进行数字化得到点云数据，然后再利用点云数据进行重构。
论文基于CRUST点云数据模型重构算法开展研究。CRUST算法利用Voronoi信息从Delaunay三角剖分结构中挑选表面三角形，具有良好的模型重构性能。但该方法并不能处理各类点云数据类型，针对该问题，论文研究开发改进算法来提高原始CRUST算法的重构质量和效率。
论文从三个方面对原始CRUST算法进行了改进。1研究和改善了点云数据的预处理过程，开发了最邻近点的栅格选取方法，提出了拉普拉斯降噪改进算法和法线降噪算法，为后续模型重构准备了高质量的点云数据；2优化了原始CRUST模型重构的算法流程，增加了“平均法线计算”的步骤，并在表面三角形选择时增加了四面体预过滤环节，从而达到改善初始表面集合质量的目的；3研发了三角形网格检测算法、边界检测算法和孔洞填补算法，用这些后处理方法来修复模型重构结果中的错误，达到改善网格的重构质量的目的。实验表明，该算法能大大提高原始CRUST算法的重构质量，且大部分改进算法可应用到其它模型重构算法。