在一些仿真程序中,我們根據點生成物體表面,每個點都具有3D座標以及代表該點表面法線的向量。爲了可視化目的,我們希望生成由三角形組成的網格;每三個關閉點與正常點形成一個三角形。然後,我們可以將這些信息發送給一些標準的可視化程序,使VMD(視覺分子動力學)等表面呈現出來。用於從雲點生成三角形網格的算法
我們不知道哪個是最快/可用的算法。
在一些仿真程序中,我們根據點生成物體表面,每個點都具有3D座標以及代表該點表面法線的向量。爲了可視化目的,我們希望生成由三角形組成的網格;每三個關閉點與正常點形成一個三角形。然後,我們可以將這些信息發送給一些標準的可視化程序,使VMD(視覺分子動力學)等表面呈現出來。用於從雲點生成三角形網格的算法
我們不知道哪個是最快/可用的算法。
看看Jonathan Shewchuk的工作,特別是對他(與他的同事一起)著名的論文和實現:
有也是點雲庫(PCL)中實現的未分類點雲的快速實現。請在Fast triangulation of unordered point clouds上查看他們的介紹。
請注意,Delaunay三角剖分可能不適合您的應用,因爲Delaunay三角剖分不適合真正的3D問題(即點在R3中分佈均勻)。它們更適合二維流形問題(即地形等)。
要在R3中生成曲面,請查看Hugues Hoppe和他的「曲面重建」工作。
表面重建用於找到網格表面以適應點雲;然而,這種方法產生高三角形數量。如果這是一個問題,那麼可以應用網格縮減技術來減少多邊形數量,從而最大限度地減少錯誤。作爲一個例子,你可以看看OpenMesh的抽取方法。