真实点云模型的几何形状表示及修复方法

点云几何造型方法由于在复杂三维形体描述和构造上具有特殊优势, 近年来已经成为世界上研究的热点并在计算机辅助几何设计学科中形成一个新兴方向。已有的、初步的点云模型处理技术大部分都基于以下一项或几项的假设:(1) 点云数据是准确的;(2) 点云数据是完整的;(3) 点云数据的分布满足一定采样条件. 然而真实世界中的实际数据都存在缺陷, 即有误差和采样漏洞。在本项目申请中我们提出展开关于点云几何模型的不确定性表示方法和基于学习功能的几何纹理细节推理机制研究, 旨在进一步充实和完善点云几何造型与设计这个新兴研究方向。本项目拟采用概率统计模型描述三维扫描随机过程、通过柔性配准算法得到纹理细节匹配移植的方案, 在达到实际应用目的的同时, 期望在基于二维流形的数值计算方法理论研究中有所突破。