3D重建---深度图，网格，体素，点云

https://www.cnblogs.com/lainey/p/8547056.html

 

网格(维基百科)

多边形网格（Polygon mesh）是三维计算机图形学中表示多面体形状的顶点与多边形的集合，它也叫作非结构网格。

这些网格通常由三角形、四边形或者其它的简单凸多边形组成，这样可以简化渲染过程。但是，网格也可以包括带有空洞的普通多边形组成的物体。

非结构网格内部表示的例子有：

• 一组顶点的简单列表，它们带有表示那些顶点组成多边形的信息列表；另外可能带有表示空洞的附加信息。
• 顶点列表 + 边界列表（一对索引信息）+ 连接边界的多边形列表
• 翼边数据结构

根据应用程序的不同所选择的数据结构也有所不同：三角形的处理要比普通多边形的处理更加简单，尤其是在计算几何中更是这样。对于优化的算法，可能需要快速访问边线或者相邻表面这样的拓扑信息，这样就需要如翼边表示这样更加复杂的结构。

 

https://zhuanlan.zhihu.com/p/22581673

1. 何为点云？

点云是某个坐标系下的点的数据集。

点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等

2.从何而来？

主要是通过三维激光扫描仪进行数据采集获取点云数据，其次通过二维影像进行三维重建，在重建过程中获取点云数据，另外还有一些，通过三维模型来计算获取点云。如三维激光扫描、二维影像三维重建（常见的摄影测量就是将二维影像通过一系列计算可以获取高精度的三维模型，在这一过程中我们同样可以获取点云数据）、三维模型逆向点云（三维模型通过行、列扫描的形式同样可以获取到三维点云数据）

3. 点云有什么用？

3.1 三维重建

高精度三维点云数据通过算法拟合生成曲面，用于三维建模，精度高，细节更精细，同时，建模速度快。

3.2 行业应用

3.2.1 测绘

LiDAR的出现成为了一种新型获取测量数据的方式，据有着高精度，快速等特点。

3.2.2 自动驾驶

LiDAR及点云数据已经在逐渐应用于高等级自动驾驶。

3.2.3 农业

点云数据的分类，对农业有着很好的参考价值

3.2.4 规划设计

大规模的点云数据，是规划设计的利器，高精度实时快速的三维场景，更能直观的展示设计。

3.2.5 考古与文物保护

高精度的点云数据早已应用在文物保护行业。

3.2.6 医疗