Облако точек -Point cloud
Облако точек представляет собой набор точек данных в пространстве . Точки могут представлять трехмерную форму или объект. Каждое положение точки имеет свой набор декартовых координат (X, Y, Z). Облака точек обычно создаются с помощью 3D-сканеров или программного обеспечения для фотограмметрии , которые измеряют множество точек на внешних поверхностях окружающих их объектов. Как результат процессов 3D-сканирования облака точек используются для многих целей, в том числе для создания 3D- моделей CAD для изготовленных деталей, для метрологии и контроля качества, а также для множества визуализаций, анимации, рендеринга иприложения для массовой настройки .
Выравнивание и регистрация
Облака точек часто выравниваются с 3D-моделями или другими облаками точек. Этот процесс известен как регистрация набора точек .
Для промышленной метрологии или контроля с использованием промышленной компьютерной томографии облако точек изготовленной детали можно сопоставить с существующей моделью и сравнить для выявления различий. Геометрические размеры и допуски также могут быть извлечены непосредственно из облака точек.
Преобразование в 3D-поверхности
В то время как облака точек могут быть визуализированы и проверены напрямую, облака точек часто преобразуются в модели полигональной или треугольной сетки , модели поверхности NURBS или модели САПР с помощью процесса, обычно называемого реконструкцией поверхности.
Существует множество методов преобразования облака точек в трехмерную поверхность. Некоторые подходы, такие как триангуляция Делоне , альфа-формы и вращение шара, строят сеть треугольников над существующими вершинами облака точек, в то время как другие подходы преобразуют облако точек в поле объемных расстояний и реконструируют неявную поверхность , заданную таким образом, посредством маршевого движения. Алгоритм кубиков .
В геоинформационных системах облака точек являются одним из источников, используемых для построения цифровой модели рельефа местности. Они также используются для создания 3D-моделей городской среды. Дроны часто используются для сбора серии изображений RGB , которые впоследствии могут быть обработаны на платформе алгоритмов компьютерного зрения, такой как AgiSoft Photoscan, Pix4D или DroneDeploy, для создания облаков точек RGB, на основе которых можно делать оценки расстояний и объемов.
Облака точек также можно использовать для представления объемных данных, как это иногда делается в медицинской визуализации . Используя облака точек, можно добиться множественной выборки и сжатия данных .
Сжатие облака точек MPEG
MPEG начала стандартизацию сжатия облаков точек (PCC) с конкурса предложений (CfP) в 2017 году. Были определены три категории облаков точек: категория 1 для статических облаков точек, категория 2 для динамических облаков точек и категория 3 для последовательностей LiDAR ( динамически полученные облака точек). В конечном итоге были определены две технологии: G-PCC (геометрический PCC, ISO/IEC 23090, часть 9) для категорий 1 и 3; и V-PCC (Video-based PCC, ISO/IEC 23090, часть 5) для категории 2. Первые тестовые модели были разработаны в октябре 2017 года: одна для G-PCC (TMC13), а другая для V-PCC (TMC2). С тех пор две тестовые модели развивались благодаря техническому вкладу и сотрудничеству, и ожидается, что первая версия стандартных спецификаций PCC будет завершена в 2020 году как часть серии ISO/IEC 23090 по кодированному представлению иммерсивного медиаконтента.
Смотрите также
- Euclideon , 3D-графический движок, который использует алгоритм поиска облака точек для рендеринга изображений.
- MeshLab , инструмент с открытым исходным кодом для управления облаками точек и преобразования их в 3D-треугольные сетки;
- CloudCompare — инструмент с открытым исходным кодом для просмотра, редактирования и обработки трехмерных облаков точек высокой плотности.
- PCL (Point Cloud Library) , обширная библиотека BSD с открытым исходным кодом для nD-облаков точек и обработки трехмерной геометрии.