點雲網格化算法---MPA

MPA網格化算法思路

第一步：初始化一個種子三角面。（隨機選點，基於該點進行臨近搜索到第二點；在基於該線段中點臨近搜索到第三點）

 

                                          圖1

 

第二步：在種子三角面的基礎上，進行面片的擴充，利用邊的中點進行臨近搜索，碰到合適的點，就會跟這條邊構成一個新的三角面，同時構造出兩條新邊。依次類推… 直到隊列中不再有滿足條件外邊提供中點檢索為止。

 

第三步：尋找新的種子三角面，進行第二步；直到再也無法找到合適的種子三角面，退出循環。

第四步：輸出mesh，包含生成三角面，以及原始點雲。

 

                                                  圖2

 

主要算法實現：

for (size_t i = 0; i < num; i+=10)
    {
        if (point_vect[i].size()>0)
        {
            continue;
        }

        PointType searchPoint = cloud_ptr->points[i];
        initializeTriangle(searchPoint);    //第一步  初始化一個種子三角面

        while (true)
        {
            if (edge_queue.empty())
            {
                //std::cout << "MPA::initializeTriangle()  failed ..." << std::endl;
                break;
            }

            PCTTM_Edge search_edge = edge_queue.front();
            bool bad_edge = false;
            for (size_t i = 0; i < point_vect[search_edge.p_index_first].size(); i++)
            {
                if (point_vect[search_edge.p_index_first][i].p_index == search_edge.p_index_end
                    && point_vect[search_edge.p_index_first][i].ptp_relation == 2)
                {
                    bad_edge = true;
                }
            }
            if (bad_edge)
            {
                edge_queue.pop();
                continue;
            }
            searchPointMPA(search_edge, 5);     //第二步  搜索點 擴展邊
            edge_queue.pop();
        }
    }

 

實現結果：

17萬個點，構建了32.7萬個面，目前用時26.774秒。