3D点云数据模型的实时动态变形关键技术研究

The advancement of 3D laser scanning technology has made the point cloud data a widespread concern among researchers, and the dynamic deformation of the point cloud data is becoming an important way to understand and analyze the deformation mechanism of practical objects. However, the sharp feature regions of the original point cloud data, as well as the requirements of interactive and dynamic deformation and real-time collision detection have brought great challenges to the dynamic deformation of point cloud data, which makes it extremely urgent to develop new theories and methods to process the point cloud data. In this project, we take into account different physical parameters of actual object models which will influence the degree and mode of deformation, such as the Young's modulus and Poisson's ratio. We put forward universal algorithms with which the key issues of point cloud data model dynamic deformation can be resolved. The main research contents of the project include the pre-processing algorithm and the point cloud reconstruction algorithm maintaining detail features,the dynamic deformation algorithm for three-dimensional mesh model as well as the real-time self-collision detection algorithm with the ability of supporting any mode of mesh deformation. With enhanced power of computer processing and improved complexity of scanned objects' feature, it is certain that the model reconstruction algorithms and dynamic deformation algorithms focused on 3D point cloud will play their absolute superiority role in the field of computer visualization with a wide range of existing applications including simulation of natural disasters, surgery navigation, video production and computer graphics.

三维激光扫描技术的进步使得点云数据受到人们的广泛关注，点云数据的动态变形逐渐成为人们分析理解真实物体变形机理的重要途径，然而特征区域曲率变化快的原始点云数据、交互式的动态变形要求、以及实时碰撞检测要求给点云数据的动态变形带来了巨大挑战，这些要求使得发展新的理论和方法变得迫切。本项目研究实际物体模型的杨氏模量、泊松比等物理参数对变形程度的影响，寻找普适性的理论和方法，以解决点云数据模型动态变形的核心问题。本项目主要研究内容包括：点云数据预处理、保特征的点云数据模型重建、三维网格模型的动态变形、以及支持网格模型任意变形的实时自碰撞检测。随着计算机处理能力的提升和扫描对象特征复杂性的不断提高，基于3D点云的网格模型重建和动态变形渲染理论和方法将发挥其在计算机可视化领域的绝对优势，在自然灾害模拟、手术导航、以及计算机图形处理方面具有广泛的实际应用价值。

随着三维激光扫描技术的快速发展，高精确点云数据的获取变得更加直接和便利，这使得点云数据的动态变形研究成为计算机图形学领域的研究热点，帮助人们更好地分析真实物体的变形机理。然而，物体特征尖锐变化区域的原始点云分布、实时交互式的动态变形要求、高精度的三维重建以及多个变形体的实时碰撞检测等要求给点云数据的动态变形带来了巨大挑战，同时也使得发展新的理论和方法变得迫切。本项目针对以上问题，主要开展了四项研究：点云数据预处理、保特征的点云数据模型重建、三维网格模型的动态变形、以及支持网格模型任意变形的实时碰撞检测。4个年度的项目执行期内，项目组按计划完成了预定内容的研究，同时取得了一系列成果：完成了包括“基于3D统计滤波的点云去噪算法”，“基于6D特征的点云聚类分割算法”，“基于泊松盘采样、正态估计和泊松重建框架的点云重建算法”，“基于双调谐曲面多分辨率变形的三维模型动态变形算法”，“基于粗相检测与细相检测相结合的碰撞检测算法”在内的算法研究；发表学术论文44篇，其中：13篇SCI/EI检索国际期刊论文、25篇EI检索国际会议论文、6篇国内核心期刊论文，申请国家专利6项，提交年度研究总结报告 3 份；培养硕士研究生39名，博士研究生4名；项目执行期间，成功申请并获得中英联合基金项目一项，国家社会科学基金项目一项，上海市委重点科技攻关项目一项，上海市科委“科技创新行动计划”高新技术领域项目一项；成功举办4次重大国际会议，分别是：ICALIP 2014，ICALIP 2016，ICSSC 2015，ICSSC 2017。本项目获得的研究成果，尤其是基于3D点云网格模型重建和动态变形渲染理论和方法的重要成果，将在自然灾害模拟、手术导航以及计算机图形处理方面发挥重要的作用。