三角剖分点云matlab,基于Matlab三维数据点三角剖分方法研究

1 引言

逆向工程广泛应用在机械产品设计中，随着现代测量技术的发展，可以得到实体表面数万甚至几十万特征数据点，这在理论上能够准确地模拟实体表面，但是大量的测量数据带来的问题是计算复杂，计算时间很长，计算过程中计算机内存的占用也很大，所以现在逆向工程中的一个“瓶颈”就是数据点的预处理，而这其中的一个重要研究课题就是数据点三角剖分，利用Matlab可以快速实现了散乱数据特别是大规模散乱数据的三角剖分，这对于迅速构建数据点之间的拓扑连接关系，进而快速准确地生成优化的三角网格，为构造散乱数据插值曲面做好准备有重要的现实意义。

2 点云数据的三角剖分相关理论

2.1 Voronoi图(域分割)

给定实平面S(SR2)上一组点Ⅱ={π1，…，πn}，其中，πi=(xi,yi)则：

Vi(πi)={x∈S:‖x-πj‖≤‖x-ρi‖forj≠i}(1)

称作与πi相关的Voronoi多边形,Vs(Ⅱ)={Vi(π1),…Vs(πn)}称作由点集Ⅱ生成的Voronoi图,它是s的一部分。这里Voronoi多边形的边称作Voronoi边，Voronoi边的端点称作Voronoi顶点。若至少存在—个Voronoioronoi顶点,且在该顶点有四条或更多条Voronoi边相交，则此Voronoi图协(Ⅱ)为退化的。若Vomnoi多边形Vs(πi)与Vs(πj)共享一条Voronoi边，则(πi)点与(πj)点称作相邻点，如图l所示，是matlab中随机给定50个数据点得到的Voronoi多边形。

2.2 Delaunay三角剖分

若点集Ⅱ上的点部共线，则通过连接Voronoi图Vk3(Ⅱ)上的相邻点可得到Delaunay三角剖分D(Ⅱ)。若Vk3(Ⅱ)是退化的，则Delaunay三角剖分不失为一的。如图2所示，是根据图2的数据的道的Delaunay三角剖分的结果。

2.3 Delaunay三角剖分优化准则

Delaunay三角剖分有很多特性，在构建搜索D(Ⅱ)算法时的一个重要性质最大-最小角度准则。又称为Lawson准则。此准则可叙述为任意两个三角形且严格外凸的四边形Q，其对角线的选取方法是使用改对角线分得的两个三角形的最小内角为最大，如图3所示。由于△ABD和△CBD六个角中的最小角β比△ABC和△CAD六个角中的最小角α大，所以BD连线为所求的对角线。Sibson指出Delaunay部分是唯一满足Lawson准则的三角剖分方法。Lawson证明了此准则与圆准则是等价的。若k是通过Q上任意三个顶点的圆，并且第四点在圆k的内部，则连接此顶点与其对应点的线即为所求的对角线。对非退化的Voronoi图VR2(Ⅱ)而言，D(Ⅱ)是唯一的。