【卫星影像三维重建-全流程代码实现】点云Mesh重构

1.介绍

1.1 背景

（1）本文主要内容是将三维点云（离散的三维点）进行表面重建生成Mesh网格，之前有篇关于开源软件-Cars-Mesh使用，它是对开源软件-Cars使用生成的点云进行处理得到Mesh网格结构，由于使用cars-mesh需要的配置文件较多，深入其内部涉及到点云mesh构建部分，得出如下结论：

cars-mesh主要有三种mesh构建方法：

1. 泊松表面重建（poisson_reconstruction）
2. Delaunay 三角剖分（delaunay_2d_reconstruction）
3. ball_pivoting_reconstruction

此外还有移动立方体（Marching Cubes Algorithm）、贪婪投影三角化（Greedy Triangulation)等方法。

（2）由于基于卫星影像生成的建筑物点云往往只有建筑物屋顶点云，建筑物立面几乎没有点云，因此充分考虑这种特点，选取了Delaunay三角剖分的方法进行重建，能够保持建筑物立面垂直以及屋顶有棱有角。

1.2 效果示意

如下效果是在meshlab中呈现的：

2 算法实现

2.1 依赖库

本算法依赖三维点云处理库open3d以及在二维上进行三角剖分的Delaunay实现函数，这里在scipy和matplotlib均有实现，本文选择了scipy中的。

2.2 实验数据

vertices.ply，其只包含点的xyz信息，点云对应的颜色无。实验数据见资源绑定，包含原始点云和mesh构建后的数据，效果在cloudcompare中按照高程渲染效果如下：

2.3 代码实现

import open3d as o3d
import numpy as np
from scipy.spatial import Delaunay
import matplotlib.tri as mtri

class Mesh:
    def __init__(self,