在建立模型数字化信息平台的过程中,利用逆向工程技术,实现由实物模型直接构建计算机模型,获取模型的三维数字化信息,是当今制造业领域一项重要手段。逆向工程主要的步骤包括数据采集、点云数据的预处理和三维模型重建。其中点云数据预处理一般包括点云数据去噪、精简、配准、特征识别、区域分割、几何估算等过程,特别是点云数据的去噪和精简对后续三维建模的模型质量影响很大,是非常关键的环节,因此,研究点云数据的去噪和精简优化算法,具有一定的科学意义。本文研究的点云数据预处理算法主要应用于岭南灰塑作品模型三维重建中。灰塑是岭南一种较为独特的传统建筑,具有很高的文化价值和观赏价值,鉴于灰塑作品的濒临灭绝,建立灰塑数字化信息平台来实现继承和发扬灰塑文化的意义深远。本文分析灰塑作品特征后,发现它们的点云数据呈现散乱无序的状态,散乱无序的点之间没有任何的拓扑关系,而且通过三维扫描仪扫描出来获得的灰塑点云数据的点数量在百万级以上,其中有一部分点是由于机器本身和周围环境影响等原因而掺杂的噪声点,这些点的存在将会严重影响后续三维重建的质量,并且如此庞大的数据在平台里面存储和上传很损耗计算机资源。针对这些难点,本文在参阅了一定数量的国内外文献的基础上,对点云去噪和点云精简技术进行了深入研究,并提出了一些新的方法,具体研究内容总结如下:1.基于k-means聚类算法和余弦相似度的原理,提出了一种新的基于k-means聚类的去噪算法。该算法通过实验观察聚类数k对去噪效果的影响来确定最佳聚类数,在每一簇内,通过余弦相似度对两点之间的欧式距离进行加权,并作为噪声的判别因子,这样做的好处是加强了点云边界点和聚类中心的关系,避免了点云边界点被误判成噪声点,能够在识别离群噪声点的同时很好地保持模型的边界特征。2.基于曲面曲率和均匀网格原理,提出了一种基于曲率和均匀网格的组合式点云精简算法。该算法利用包围盒法对散乱的点云数据进行拓扑规则排序,建立点的邻域集,计算点云在某点处的曲率,根据曲率精简原则精简点云,然后把删除掉的点重采样,将它们作为新的点云数据输入进行算法编程,用均匀网格的方法选取单元格内离质心点最近的点保留,该算法能够在最大化精简点云数据的同时很好的保留模型的细节特征。3.为了验证这些算法的合理性和有效性,在建立灰塑信息化平台的过程中,采用灰塑作品和其他两种具有散乱点云典型特征的模型作为实验对象,根据本文提出的去噪和精简算法,分别对它们进行去噪和精简实验,验证了算法的可行性和先进性,并将预处理后得到的灰塑点云模型应用到灰塑三维重建过程中,得到了较好的重建效果。本文工作的主要创新之处列举如下:1.在确定点云去噪的阈值过程中,为了避免模型边界点被误认为是噪声点,加入了余弦相似度对欧式距离进行加权,使得大于阈值的点更加远离聚类中心,小于阈值的点更加接近聚类中心,从而减少了对边界点的误判,提高了对噪声点的识别率。2.针对灰塑作品不规则曲面较多,曲率范围大的特点,本文提出了曲率和均匀网格的组合式精简算法。该算法既能保留特征点,又在空白区域进行了点数据插值。