基于3D点数据构建物体表面三角剖分的最优方法咨询

为什么3D Delaunay三角剖分不适用 #

3D Delaunay三角剖分的目标是对点云凸包内的整个空间进行四面体剖分，会生成大量内部四面体结构，无法仅保留物体表面的三角面，这就是你用它达不到预期效果的原因。

球旋转算法（BPA）工作原理 #

BPA是专门针对点云表面三角化的经典算法，核心逻辑是模拟虚拟小球在点云表面滚动来构建三角面：

• 半径初始化：根据点云的局部点密度设定合适的小球半径——半径过小会导致表面碎片化，过大则会忽略凹陷细节甚至跨到物体另一侧。
• 初始三角面生成：遍历点云，找到三个不共线的点，满足小球刚好能同时接触这三个点，且小球内部没有其他点，以此作为首个三角面。
• 网格扩展：以已生成三角面的每条边为枢轴，将小球绕该边滚动，寻找第三个点，使小球能同时接触该点与边的两个端点，且小球内部无其他点，生成新的三角面。重复此过程，直到所有可扩展的边都被处理完毕。
• 优势：直接针对表面构建三角网，无需考虑内部空间，能较好保留物体表面的几何特征，适合无噪声或低噪声的点云数据。

备选方案：泊松表面重建 #

若你的点云密度较高、存在少量噪声，或需要更平滑的表面，可选择泊松表面重建：

• 核心逻辑：将点云视为隐含表面的采样点，通过求解泊松方程重建出一个连续的隐式函数，再通过Marching Cubes算法提取该函数的等值面，得到三角网格。
• 特点：生成的表面更完整平滑，能填补点云的局部缺失，但会默认生成封闭表面，若物体存在开口需额外处理。

内容的提问来源于stack exchange，提问作者Erlan Abdishamilov