一、技术流程
图1 技术流程
- 数据准备
通过硬件设备（激光扫描仪和全景相机）可以获取到原始的点云数据、全景图像数据、以及其他的一些位姿辅助信息。
- 数据预处理
获取原始点云数据一般数据量较大，直接上传云端展示，会有很多限制因素，如：网速、平台展示压力、视觉感观斑驳等，因此为更美观更流畅的展示三维数据成果，需要对点云进行一系列处理得到Mesh模型；这里主要处理包括点云数据的解析读取、数据空间抽希、噪声去除和平滑、剔除离群点、法线估计、点云三角化等；一般全景图像下部会有一定的遮挡，这部分图像必须在纹理计算时屏蔽掉，因此需要对全景图像做些处理，这里依据球面映射关系对全景图像进行2：1图像标准化处理。
- 数据打包上传云端
为适配云端平台，需要对全景图像、以及生成的Mesh，纹理图像等进行一系列处理，主要包括全景图像的格式压缩、Mesh和纹理的切分等，最终打包后上传平台展示。
二、技术创新点
- 点云三角化算法
基于区域扩展的思路实现了点云三角化，该算法相比传统的Delaunay3D效率更高，更适用于室内场景重建。
算法实现思路：初始化一个种子三角面。（随机选点，基于该点进行临近搜索到第二点；在基于该线段中点临近搜索到第三点）；在种子三角面的基础上，进行面片的扩充，利用边的中点进行临近搜索，碰到合适的点，就会跟这条边构成一个新的三角面，同时构造出两条新边。依次类推，直到队列中不再有满足条件外边提供中点检索为止；否则，继续寻找新的种子三角面，进行第二步；直到再也无法找到合适的种子三角面，退出循环；最后输出mesh，包含生成三角面，以及原始点云。
图2 种子三角面和三角面扩充
- 模型纹理计算
模型自适应分割生成多个chart、chart多策略打包成Atlas。
算法理论：
a) 首先是将模型分割出多个chart，算法通过Half边搜索临近三角面，判断相邻三角面的法线夹角，来确定三角面是否属于分割chart，同时设置chart的面积、尺度阈值，限制chart过大，形状不规则；依次循环下去，直到所有三角面都计算出所在chart。
b) Chart UV投影计算
c) chart多策略打包成Atlas
算法对生成所有chart进行分析，按照面积计算chart的分布，对于面积大于给定阈值的chart，直接作为一个Atlas；面积小于给定阈值时，将多个chart打包到一个Atlas，同时满足给定的纹理精度；剩余的较小chart会被逐个打包到一个Atlas里。
参阅论文：
1、Least Squares Conformal Maps for Automatic Texture Atlas Generation
2、Seamless Texture Atlases