本文主要基于Kinect设备进行点云曲面重建方法的研究。首先，使用Kinect设备获取原始的深度和彩色信息，然后通过坐标映射转换，最终生成三维点云数据，并存储为PCD格式文件。在收集点云数据的过程中，不可避免的会产生噪声点，离群点等。所以，在数据收集之后，采取了常用的体素化网格法，统计学分析等方法对点云数据进行了一系列的滤波处理，以得到比较干净的数据，使后续重建效果更加理想。最后，选用了常用的两种算法：贪婪投影三角化算法和泊松曲面重建算法完成了点云曲面重建工作。

课题主要工作

该课题主要是基于微软的Kinect设备获取被扫描物体的深度及彩色信息，结合PCL开发平台，通过坐标的映射将原始的数据转换为点云数据，并将其存储下来进行进一步的处理。分析了点云数据的噪声情况，采取了多种滤波器进行滤波处理，以获取到更加干净的点云数据，排除不必要的信息。最后基于处理过的离散的点云数据进行简单的曲面重建。

论文组织结构

本论文各章节的结构安排如下：

第一章主要说明了该选题的背景、意义以及目前的国内外的研究现状。提出了Kinect和PCL，随后介绍了该论文的主要工作内容及文章的组织结构。

第二章主要介绍该课题研究基于的硬件设备Kinect及主要的开发平台PCL。首先对Kinect的工作原理，API等进行了详细介绍。然后介绍了PCL点云库的框架结构及功能。

第三章首先介绍了点云数据的获取方法和整个流程，然后简要介绍了点云格式和PCD文件格式，最后介绍了点云数据的存储，加载以及可视化的方法，并给出了实验的结果。

第四章主要是基于获取的原始三维点云数据进行进一步的处理，先通过直通滤波器进行单个方向的滤波处理，然后用体素网格化方法[6]进行点云数据采样，保持点云数据形态结构的基础上减少点云数据的数量，以提高后续工作效率。最后利用统计学分析的方法[7]来移除离群点。针对每种滤波处理进行了简单的讲解和说明，并分别给除了滤波前后的图像对比。为进一步的曲面重建打下了基础。

第五章主要是对滤波处理后的点云数据进行曲面重建。采用了贪婪投影三角化算法[8]和泊松曲面重建算法[9]。介绍了每种算法的思想，并给出了相应的结果展示。最后利用网上下载的干净的封闭点云，进行了更加突出的结果展示。

......

点云数据的存储、加载及可视化

上文中已经说到，点云库为点云数据处理提供了相关的通用算法和效率可观的数据结构，涉及点云获取、滤波、可视化等。该课题的基础是先获得所需的点云数据，并将其存储到指定位置以进行下一步处理。最终做到将各阶段的结果展示出来。所以本小节首先简单介绍点云数据，其次是点云数据的存储，加载。最后是点云数据的可视化。

点云数据简介

点云是指借助各种测量工具获得的实体表面的海量的点集合，它可以表征目标物体的表面特性。获取的点云的内容与获取点云的设备密切相关，不同的设备获取的点云数据间也相应存在差异。点云数据包含的最基本的内容是三维坐标信息，根据设备的不同，还可以包含颜色信息，激光反射强度等信息。本课题研究获取的点云数据是xyzrgb格式，即包括坐标信息和彩色信息。

点云数据数据的存储、加载

PCL中封装的输入输出模块为点云数据及PCD文件的读写提供了多种方法函数，通过PCL内部的存储语句pcl::io::savePCDFileASCII（）可以将点云数据保存为PCD格式。通过pcl::io::loadPCDFile（）可以从PCD文件中加载点云数据。

......

该课题主要的分作分为三大部分：首先是利用Kinect获取目标物体的原始深度，彩色信息数据，再结合PCL点云库通过坐标映射转换成点云数据，并将其存储为PCD格式。在这一步中我了解了Kinect的工作原理，PCD格式，点云数据格式等等知识。然后通过利用PCL中的滤波模块，借由三种滤波器对收集到的原始三维点云数据进行滤波采样，移除离群点工作等。最后在做了上述处理后较为干净的离散的点云数据基础上，选用两种常用算法进行点云数据曲面重建。