[OpenGL]基于点云的植物建模

RyuZhihao123

已于 2025-03-18 21:43:36 修改

阅读量1w

点赞数 14

分类专栏： Computer Graphics OpenGL 文章标签：植物建模基于点云建模三维重建计算机图形学 OpenGL

于 2018-03-10 21:30:09 首次发布

本文链接：https://blog.csdn.net/Mahabharata_/article/details/79511894

版权

Computer Graphics 同时被 2 个专栏收录

20 篇文章

订阅专栏

OpenGL

19 篇文章

订阅专栏

[Github链接] https://github.com/RyuZhihao123/Point-cloud-3D-tree-reconstruction

如果你觉得代码和程序有帮助的话，麻烦您在这个github留一个star和一个issue就好的。

下面开始正文：

从Kinect获取植物的三维点云是一件很轻松的事情。

那么，能否利用这些点云，重建植物的三维模型？如果可以实现，将意味着我们只需用扫描到的植物点云，就可以快速重建出植物的真实三维模型。与手工建模相比，这将更加接近真实的植物形状。

1 参考文献

本文参考的文献主要是下面这一篇：

Knowledge and Heuristic Based Modeling of Laser-Scanned Trees. Hui Xu，Nathan Gossett， Baoquan Chen.

2 我的程序效果

在阅读上述参考文献后，我实现了其中的核心算法。其流程图和最终效果如下：

图1：本文程序的效果以及流程。(a) 输入的原始点云数据，共计33956个点。(b) 分割后，形成的红色的树叶区域和白色的枝干区域。(c) 将枝干点云划分为若干个bin。(d) 将bins得到树的骨架。(e)树木的最终重建效果。

二、具体步骤

1. 输入点云数据

实验数据可采用Kinect采集的单视角点云（single scan）。输入的点云如图2。

图2：输入的点云数据（共计33956pts）

2. 分离枝干、叶片区域，得到枝干部分点云的连通图

首先，假定我们已经知道了根节点root的位置。根节点root可以是人工选定的、也可以来自竖直方向最低的点。

然后，从根节点开始，不断加入相邻的点到一个枝干点集合（vector<Point> m_branchPts）中。可以认为相距0.3px的点就是相邻，这取决于扫描的精度。

建议使用基于kd-Tree进行范围搜索（range search），在30000的数据量上计算，总耗时约为0.2秒。

下面是该部分的伪代码和分离的效果图：

假设点云总数为N，且存储在vector<Point> m_vertexs中。

定义 
vector<Point> m_branchPts;  // 枝干点云
bool m_visited[N]; // 标记各点是否已经被访问过
int m_rootIndex;   // 根节点在m_vertexs中的索引 

初始化
foreach i = 0,1,...N-1
  m_visited[i] = false;
// 将根节点放入
m_visited[m_rootIndex] = true;
m_branchPts.push_back(m_vertexs[m_rootIndex]);

算法循环：不断加入新的点到m_branchPts中
double radius = 0.3px;  // 搜索半径
for(int i=0; i<m_branchPts.size(); i++)
{
  vector<int> neighbors =
    KdTree_RangeSearch(radius,m_branchPts[i]);

  foreach k = 0,1,....,neighbors.size()
  {
    if(m_visited[neighbors[k]] == false)
    {
      m_branchPts.push_back(neighbors[k]);
      m_visited[neighbors[k]] = true;
    }
  }
}