三维重建中经常遇到的拓扑学概念的通俗解释

点云重建过程中，经常遇到恶心的概念，读文献时候，尤其英文文献，看到这些东西完全读不下去。

吐槽一下，在学习时候，直接上来这些概念让人很蒙，对于概念，学习还是先有一个直观的形象比较好，要想明白为什么这样定义，以及在实际中运动。我很推崇知乎上关于傅里叶变换通俗讲解的那个帖子，今天按着这个思路来整理下自己遇到的疑惑。

首先，讲讲“重建”：1、指的是通过CT、MRI、PET等设备，把一些物理属性转变成我们通常看见的图像的过程，常见算法有FBP、迭代重建等，多属于生物医学工程范畴，这种“重建”与本文关系不大。

接着，讲讲三维投影。“三维投影”概念先不管它，真实世界点（x,y,z），显示屏坐标（x,y），“三维投影”就是把真实世界的点投影到显示器上。

而“三维重建”：1、把双目（多目相机）相机拍摄的两张图片，可以通过sift之类的方法，把二维图像的对应点匹配出来（二维点），并且反推出三维世界中点坐标，这个过程一般有摄像机标定，图像匹配，最后重建出三维坐标。这是计算机视觉方面内容，这方面讨论网上资料比较多，今天也不讨论这。

2. 今天所讲的三维重建，是通过点云拟合物体表面的过程。点云可以通过相机获取（前面所讲相机标定等过程），也可以通过其他扫描设备获取。这应该算计算机图形学范畴。大名鼎鼎的重建算法：MC(点云实际是通过切片图形获得，这个最基础和最经典的)，hoppe的Surface reconstruction from unorganized points，泊松等。这些方法都很经典，随便一篇都够一大段，而且我自己也不太会，以后有机会在学习。今天主角是delaunay/voronoi一类的算法（有个重要事实，默认采样点全来源与物体表面）。 这类算法直接输入的数据就是点云坐标（不需要法向量），输出就是三角化后的网格。

二维下示例：

三维下示例：

图片来源文献《Reconstruction of Water-tight Surfaces through Delaunay Sculpting》，二维是用三角形填充，三维是用四面体填充。

相关概念，整理如下：

概念来源摘自维基百科。

单纯形（simplex）：几何学上，单纯形或者n-单纯形是和三角形类似的n维几何体。精确的讲，单纯形是某个n维以上的欧几里得空间中的（n+1）个仿射无关【仿射无关http://blog.csdn.net/hqh45/article/details/49591403】（也就是每有m维平面包含m+1个点；这样的点集被称为处于一般位置，也就是没有退化情况，三维下是指不存在五点共球）的点的集合的