唐瑞林,吳 侃
(1.中國礦業大學環境與測繪學院,江蘇 徐州221008;2.江蘇省資源環境信息工程重點實驗室,江蘇 徐州221008)
隨著人們對復雜曲面物體的建模需要,三維光學測量建模技術以其獨有的優勢獲得了迅猛的發展,它既有攝影測量的高效率,又有光柵測量的良好精度,并采用非接觸的測量方法,直接得到真實物體表面的采樣點,利用點云數據重構出任意曲面。這種方法不受曲面復雜度影響,可以達到很高的重構精度。目前廣泛應用在汽車工業、航空航天工業、船舶工業、建筑工業等,通過三維坐標測量可以完成質量檢測、變形測量、逆向工程等。某些特殊場合,三維掃描儀還具有獨特的、不可替代的作用。
以西安交通大學研發的三維光學測量系統為工具,采集風扇模型的表面點云,構建其三維模型,摸索出三維掃描建模的流程,積累建模經驗,并研究點云數據處理中的關鍵技術,為三維光學掃描領域軟硬件開發提供經驗。
該工業測量系統由以下兩部分組成:XJTUDP三維光學攝影測量系統和XJTUOM三維光學面掃描系統[1],如圖1和圖2所示。

XJTUDP系統是工業非接觸式的光學三坐標測量系統,也稱為數字工業近景攝影測量系統,可以精確地獲得離散的目標點三維坐標,是一種便攜式、移動式的三坐標光學測量系統,可以用于靜態工件的質量控制和靜態變形分析實時測量。
XJTUOM三維光學面掃描系統是一個三維實體數字化系統,采用國際最先進的外差式多頻相移三維光學測量技術。其測量原理是由光柵投影裝置投影多幅多頻光柵到待測物體上,成一定夾角的兩個攝像頭同步采集相應圖像,對圖像進行解碼和相位計算,解算出兩個攝像機公共視區內像素點的三維坐標。
在利用點云數據進行三維建模的過程中,數據采集是很重要的一個環節,它直接關系到最后創建出的三維模型質量。采集過程中,需要針對將來的應用需求設置合適的點云采集密度,以及如何設置合理的視點,在復雜的工程環境中,避免過多的周圍物體對目標物體產生的遮擋等影響。同時可以采集紋理影像數據,作為幾何信息的補充。具體的流程有:前期準備工作、粗掃、精掃控制點、精掃目標區域、拍攝紋理照片等。
若按曲面表示形式分類,目前曲面重構算法大致可分為三種:網格類方法、參數類方法和隱式類方法[2-5]。重點介紹不規則三角形生長法構建TIN的方法。
Brassel和Reif于1979年提出了該算法,主要思路是先找出點集中相距最短的兩點連接成為一條Delaunay邊,按Delaunay三角網的判別法則找出包含此邊的Delannay三角形的另一個端點,依次處理所有新生成的邊,直至所有的邊找不到能形成合理Delaunay三角形的端點。三角網生長算法的基本步驟是:
1)以任一點為起始點;
2)找出與起始點最近的數據點相互連接形成Delaunay三角形的一條邊作為基線,按Delaunay三角網的判別法則(即它的兩個基本性質),找出與基線構成Delaunay三角形的第三點;
3)基線的兩個端點與第三點相連,成為新的基線,迭代以上兩步直至所有基線都被處理。如圖3所示。

圖3 不規則三角形生長法構TIN[6]
1)系統結構
系統主要分構建TIN模型和模型的三維顯示兩個部分。主要功能模塊如圖4所示。
2)數據管理
數據管理主要是存儲點云數據點(point)信息、各條基線(line)信息以及構網的三角形(Triagle)信息[7]。
3)構建TIN模型
建模程序開發重點在于能夠生成點云數據的TIN模型[7],經過研究分析,設計出其算法流程如圖5所示。

圖4 系統功能模塊結構圖

圖5 三角形生長法構建TIN結構圖
4)三維顯示
利用CAD的二次開發[8]將構好的TIN模型顯示出來,重現出點云數據的三維形態,給人以直觀感受。方便人們對其進行建模精度評判并加以利用。在模型三維顯示算法中,需要對前面的TIN模型進行光照模型、投影變換、消隱處理及著色處理。
①投影變換
建立透視投影模型,確定視點、投影面等相關參數,根據投影變換公式計算三角劃分后的三角面在投影面上的坐標,如圖6所示。

圖6 投影變換圖
圖中,任意一點M在坐標系OT-XTYTZT中的坐標為(XM,YM,ZM),它在投影平面P上的像點為m,則m點在投影坐標系O-xy中的坐標(xm,ym)可由公式(1)求出。

②消隱處理
按照畫家算法進行圖形的消隱顯示,其主要思想是:首先把屏幕顯示成背景顏色;把各個三角形面按照距視點的遠近距離進行排序,把最遠的放在前面;從表頭到表尾逐個取出面素投影到屏幕上。
利用三維光學面掃描得到的風扇的點云數據,將其導入設計的建模程序,得到點云數據的TIN模型,如圖7所示。將構建好的TIN模型進行三維顯示,得到風扇的三維模型如圖8所示。由圖可以看出,所設計的程序能夠很好的反映不規則物體的三維形態,建模精度比較高。

基于三角形生長法構建散亂點云的TIN模型,具有簡單易實現、算法效率高的特點,算法只需要散亂點云,無須其他信息(法矢量、拓撲信息等),算法不但可以處理小物件的點云數據,還可以分塊實現大物件的點云數據建模。在處理不連續點云時加入了閾值,成功地避免了不連續點云之間的相互影響。并利用AutoCAD二次開發實現模型的三維顯示。
考慮到實際的散亂點云有時特別復雜,本程序結構簡單,功能并不完善,導致構網曲面光滑程度不高,構網速度有待提高,不適應于很高密度點云數據進行建模。下一步的工作將在算法中增加人工干預的成分以便處理特別復雜的散亂點云的三角網格重構,也需要研究構造好的網格的特征信息識別算法。
[1]西安交通大學模具與塑性加工研究所,西安交通大學信息機電研究所.西安交通大學三維光學測量技術[R].西安:西安交通大學,2008:20-23.
[2]葛金輝.曲面重構算法的發展現狀述析[J].通化師范學院學報,2003,24(2):33-36.
[3]JANK,G Z.Point cloud surfaces using geometric Proximity graphs[J].Computers&Graphics,2004(28):839-850.
[4]朱東波,張舜德,李滌塵,等.密集散亂測量數據點的B樣條曲面擬合研究[J]..計算機輔助設計與圖形學學報,2001,13(12):1123-1128.
[5]Muraki S.Volumetric shape description of range data using"Blobby Model"[C]∥ Computer Graphics Proceedings,Annual Conference Series,ACM SIGGRAPH,Los Angeles,California,1991:227-235.
[6]杜培軍,程朋根.計算機地圖制圖原理與方法[M].徐州:中國礦業大學,2006:101-102.
[7]江劍霞,劉少華,嚴漢英.VB環境下不規則三角網的算法設計與實現[J].四川測繪,2006,29(2):64-67.
[8]楊新林,馮冠輝,錢建國.三維激光掃描儀點云數據在AutoCAD中的處理方法研究[J].陜西煤炭,2008,(3):37-38.