Survey of Surface Reconstruction Algorithms

文章地址
1. 简介
计算几何解决Rn中的点集（n维空间中的实数集）的三个核心要点：凸壳、Delaunay三角剖分和Voronoi图。

1.1 The Convex Hull
直觉上，我们可以想象软木板中的一组图钉，每个图钉对应于R2中的一个点；紧紧缠绕在图钉最外边界上的字符串是由图钉表示的一组点的二维凸壳。

1.2 The Delaunay Triangulation
建立 Voronoi 图的关键是 Delaunay 三角网的生成。Delaunay 三角网的特性：
（1）空圆性，任一三角形外接圆内部不包含其他点。
（2）最接近：以最近临的三点形成三角形，且各线段（三角形的边）皆不相交。
（3）唯一性：不论从区域何处开始构建，最终都将得到一致的结果。
（4）最优性：任意两个相邻三角形形成的凸四边形的对角线如果可以互换的话，那么两个三角形六个内角中最小的角度不会变大。
（5）最规则：如果将三角网中的每个三角形的最小角进行升序排列，则 Delaunay 三角网的排列得到的数值最大。
（6）区域性：新增、删除、移动某一个顶点时只会影响临近的三角形。
（7）具有凸多边形的外壳：三角网最外层的边界形成一个凸多边形的外壳。
Delaunay 剖分是一种三角剖分的标准，实现它有多种算法。本次采用 Bowyer-Watson 算法，算法的基本步骤是：
（1）构造一个超级三角形，包含所有散点，放入三角形链表。
（2）将点集中的散点依次插入，在三角形链表中找出其外接圆包含
插入点的三角形（称为该点的影响三角形），删除影响三角形的公共边，将插入点同影响三角形的全部顶点连接起来，从而完成一个点在 Delaunay 三角形链表中的插入。
（3）根据优化准则对局部新形成的三角形进行优化。将形成的三角形放入 Delaunay 三角形链表。
（4）循环执行上述第 2 步，直到所有散点插入完毕。

1.3 The Voronoi Diagram
Voronoi 图的定义

又叫泰森多边形或 Dirichlet 图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成。
Voronoi 图的特点

每个V多边形内有一个生成元
每个V多边形内点到该生成元距离短于到其它生成元距离
多边形边界上的点到生成此边界的生成元距离相等
邻接图形的 Voronoi 多边形界线以原邻接界线作为子集。

Voronoi 图的应用

在计算几何学科中的重要地位，由于其根据点集划分的区域到点的距离最近的特点，其在地理学、气象学、结晶学、航天、核物理学、机器人等领域具有广泛的应用。如在障碍物点集中，规避障碍寻找最佳路径。
算法分析

Voronoi 图有着按距离划分邻近区域的普遍特性，应用范围广。生成V图的方法很多，常见的有分治法、扫描线算法和 Delaunay 三角剖分算法。
建立 Voronoi 图方法和步骤

本次实验采用的是 Delaunay 三角剖分算法。主要是指生成 Voronoi 图时先生成其对偶元 Delaunay 三角网，再找出三角网每一三角形的外接圆圆心，最后连接相邻三角形的外接圆圆心，形成以每一三角形顶点为生成元的多边形网。如下图所示。

建立 Voronoi 图算法的关键是对离散数据点合理地连成三角网，即构建 Delaunay 三角网。

建立 Voronoi 图的步骤为：

1. 离散点自动构建三角网，即构建 Delaunay 三角网。对离散点和形成的三角形编号，记录每个三角形是由哪三个离散点构成的。
2. 计算每个三角形的外接圆圆心，并记录之。
3. 遍历三角形链表，寻找与当前三角形 pTri 三边共边的相邻三角形 TriA，TriB 和 TriC。
   4.如果找到，则把寻找到的三角形的外心与pTri的外心连接，存入维诺边链表中。如果找不到，则求出最外边的中垂线射线存入维诺边链表中。
   遍历结束，所有维诺边被找到，根据边画出维诺图。

2. Survey of Surface Reconstruction Algorithms
2.1. Boissonnat, 1984 [7]
方法一：k-d树
方法二：体积法 volumetric approach.
2.2. Hoppe, et al., 1992 [2]
Hoppe等。 （1992 [2]）采取根本不同的方法来解决表面重建问题。他们的方法试图近似未知表面，而不是以分段线性函数对其进行重构。该算法在每个采样点定义一个有符号的距离函数，然后使用Marching Cubes算法对函数的零集进行轮廓绘制。
2.3. Amenta, et al., 1998 [3]
Amenta等的表面重建方法。 （1998 [3]）与Boissonnat的雕刻算法相似。他们还构建了数据集的三维Delaunay三角剖分，但在每个采样点增加一个或两个“极点”之前并未如此。极点是从Voronoi顶点集中选择的。只要采样密度足够，就可以保证输出网格（它们称为采样点的“外壳”）在拓扑上是正确的。该算法将在本文的第4.0节中进行更深入的说明。