泊松点云曲面重建管线

泊松点云曲面重建管线

泊松点云曲面重建通常是一下流程，包含以下步骤：

1. 采集设备扫描产生一组点或带有法线的点；
2. 异常值去除（Outlier removal）；
3. 简化（Simplification）以减少输入点的数量；
4. 平滑（Smoothing）以减少输入数据中的噪声；
5. 当采集设备未预先提供法向量时，进行法向量估计和定向（Normal estimation and orientation）；
6. 表面重建（ Surface reconstruction）。

假设有一组三维点，这些点带有方向明确的法线，它们是从一个三维实体的边界上采样得到的。泊松曲面重建（Poisson Surface Reconstruction）方法致力于求解出一个函数，这个函数近似代表所推断实体的指示函数（indicator function）。所谓指示函数，它能表明空间中的点是否属于这个实体。这里要让该函数的梯度与输入的法线尽可能地匹配。
最终得到的是一个标量函数（scalar function），它以自适应八叉树（adaptive octree）的形式存储。接下来，通过自适应移动立方体（ adaptive marching cubes）算法，对这个标量函数进行等值面提取，从而构建出三维实体的表面。

示例

#include <CGAL/Exact_predicates_inexact_constructions_kernel.h>
#include <CGAL/Polyhedron_3.h>
#include <CGAL/poisson_surface_reconstruction.h>
#include <CGAL/IO/read_points.h>

#include <vector>
#include <fstream>

// Types
typedef CGAL::Exact_predicates_inexact_constructions_kernel Kernel;
typedef Kernel::Point_3 Point;
typedef Kernel::Vector_3 Vector;
typedef std::pair<Point, Vector> Pwn;
typedef CGAL::Polyhedron_3<Kernel> Polyhedron;

int main(void)
{
  std::vector<Pwn> points;

  if(!CGAL::IO::read_points(CGAL::data_file_path("points_3/kitten.xyz"), std::back_inserter(points),
                            CGAL::parameters::point_map(CGAL::First_of_pair_property_map<Pwn>())
                                             .normal_map(CGAL::Second_of_pair_property_map<Pwn>())))
  {
    std::cerr << "Error: cannot read input file!" << std::endl;
    return EXIT_FAILURE;
  }

  Polyhedron output_mesh;

  double average_spacing = CGAL::compute_average_spacing<CGAL::Sequential_tag>
    (points, 6, CGAL::parameters::point_map(CGAL::First_of_pair_property_map<Pwn>()));

  if (CGAL::poisson_surface_reconstruction_delaunay
      (points.begin(), points.end(),
       CGAL::First_of_pair_property_map<Pwn>(),
       CGAL::Second_of_pair_property_map<Pwn>(),
       output_mesh, average_spacing))
    {
        std::ofstream out("kitten_poisson-20-30-0.375.off");
        out << output_mesh;
    }
  else
    return EXIT_FAILURE;

  return EXIT_SUCCESS;
}

使用CGAL::compute_average_spacing<CGAL::Sequential_tag>计算的 average_spacing为0.016857202298245593。

在poisson_surface_reconstruction_delaunay算法中，参数average_spacing具有重要意义：

• 定义点云数据的平均间隔：average_spacing用于描述输入点云数据中各个点之间的平均距离。它反映了点云在空间中的疏密程度。例如，在对一个建筑物进行三维扫描获取点云数据时，如果扫描设备的精度较高且扫描间距设置较小，那么得到的点云数据中average_spacing值相对较小，意味着点云分布较为密集，能够更精确地表示建筑物的形状细节；反之，如果扫描设备精度较低或扫描间距较大，average_spacing值会较大，点云分布稀疏，可能会丢失一些建筑物的细微特征 。
• 影响泊松曲面重建的效果：该参数对泊松曲面重建算法的结果有着关键影响。在泊松曲面重建过程中，算法会根据输入点云的法线方向等信息，求解一个代表重建曲面的指示函数。average_spacing会参与到这个求解过程中，影响算法对曲面细节的捕捉和重建。具体来说，如果average_spacing设置得过大，算法可能会认为点云之间的间隔较大，从而在重建曲面时忽略一些细节特征，导致重建的曲面较为平滑，丢失了原物体表面的一些微小起伏和变化；相反，如果average_spacing设置得过小，算法会过度关注点云之间的细微差异，可能会在重建曲面时引入一些不必要的噪声和波动，使得重建的曲面看起来不够光滑和自然 。

参考

1. CGAL 6.0.1 - Poisson Surface Reconstruction
   
2. 点云法向量的计算