三维时序点云模型的表面平滑与特征增强技术研究

3D time-dependent point cloud sequences are built using surface information of moving and deformation objects which is obtained by 3D high-speed scanning devices. Because of physical characteristics of scanning devices, environment of measurement and lighting, the sampling data with temporal evolution includes different types of noisy points. The raw sampling data should be processing using surface smoothing and feature enhancement, in the hope of improving the quality of 3D time-dependent point cloud sequences. It is a challenging computational problem for processing raw sampling data, since it contains missing data, lack of correspondence across frames and huge data amount. The research contents of the project are feature-preserving fast surface smoothing of 3D time-dependent point cloud sequences, fast hierarchical feature segmentation of 3D time-dependent point cloud sequences, and multi-scale feature enhancement of 3D time-dependent point cloud sequences. The research contents are key research aspects in improving the quality of 3D time-dependent point cloud sequences, and important fundamental research areas in the geometry editting and modeling processing of 3D time-dependent point cloud sequences. The feasibility study approaches for above research contents are also proposed and integrated into a robust unified framework for digital geometry processing of 3D time-dependent point cloud sequences in the project.

三维时序点云模型主要是通过高速三维扫描设备采集运动变形物体表面获取的。由于受扫描设备物理特性、扫描环境、光照等因素的影响, 得到的随时间连续演化的采样数据不可避免地会受到各种噪声的污染。需要对原始采集数据利用表面平滑与特征增强等方法进行处理得到普适性更好的三维时序点云模型。原始采集数据固有的采样缺失、各帧之间无时空对应、数据量大等诸多问题，给处理带来了巨大的挑战。本项目的研究内容包括三维时序点云模型的保特征快速表面平滑、三维时序点云模型的快速多层特征分割、三维时序点云模型的多尺度特征增强等技术。这些都是获取高质量三维时序点云模型的关键研究领域，也是三维时序点云模型编辑造型等几何处理的重要基础研究领域。本项目为以上研究内容提供了可行的研究方案，初步构建一个强壮的三维时序点云模型处理工具。

三维时序点云模型的表面平滑与特征增强技术在虚拟现实、游戏、影视、产品设计和科学计算可视化等领域有着广泛的应用前景。受扫描设备物理特性、扫描环境、光照等因素的影响，如何实现复杂而多变的三维时序点云模型精确鲁棒的表面平滑与特征增强成为国际前沿科学问题。本项目在以下三个方面进行研究，并取得创新性成果。（1）三维时序点云模型的保特征快速表面平滑。设计一个保特征局部优化投影算子，将给定的点集均匀地投影到三维时序点云模型上，获取其逼近的几何曲面，有效解决三维时序点云模型的降噪问题。该算子沿着模型的运动变形轨迹自适应的计算，实现平滑结果帧与帧之间的时间域上的连贯性，并且投影点分布相对均匀。（2）三维时序点云模型的快速多层特征分割。计算三维时序点云模型的帧间匹配信息，并将这些信息用以引导三维时序点云模型的聚类分割，获得时间一致性的多层分割结果。该过程不依赖于任何拓扑连接关系，能够精确地计算出几何特征的边界。（3）三维时序点云模型的多尺度特征增强。利用多尺度分解算子对几何模型进行累进的滤波，计算其多尺度保特征的曲面，构成一个多级的几何序列。通过细节抽取算子计算出细节系数作为三维时序点云模型的多尺度几何细节。采用一种基于加权的自适应增强算法，通过对不同尺度的几何细节进行自适应的加权求和，获得增强的几何细节层。将这些增强的细节层与基曲面层进行重组，构建出一个特征增强的三维时序点云模型。该项目进展顺利，达到预期目标，从三维时序点云模型的表面平滑到特征增强的理论与关键技术均获得了创新性成果。