О́блако то́чек (англ. point cloud) — это набор вершин в трёхмерной системе координат. Эти вершины, как правило, определяются координатами X, Y и Z и, как правило, предназначены для представления внешней поверхности объекта.
Облака точек создаются 3D-сканерами и фотограмметрическими методами обработки изображений. 3D-сканеры в автоматическом режиме замеряют большое количество точек на поверхности сканируемого объекта и зачастую генерируют на выходе облако точек в виде цифрового файла данных. Таким образом, облако точек представляет собой множество точек, полученных в результате 3D-сканирования объекта.
В результате процесса трёхмерного сканирования облака точек используются для многих целей, в том числе для создания трёхмерных CAD-моделей для производственных деталей, для метрологии и контроля качества, а также для множества других целей, связанных с визуализацией, компьютерной анимацией, рендерингом и приложений массовой кастомизации.
Хотя облака точек могут быть непосредственно визуализированы и проверены[1], они, как правило, не используются напрямую в большинстве 3D-приложений, и поэтому, как правило, конвертируются в полигональную сетку, модели с NURBS—поверхностями или CAD-модели при помощи процесса, известного как «реконструкция поверхности» (англ. surface reconstruction).
Существует много подходов для преобразования облака точек в трёхмерные поверхности. Некоторые подходы, такие как триангуляция Делоне, альфа-формы (англ. alpha shapes) и поворотные шары (англ. ball pivoting), строят сетку треугольников поверх существующих вершин облака точек. Другие подходы конвертируют облако точек в поле объёмных расстояний (англ. volumetric distance field) и реконструируют неявные поверхности, а потом определяют их через алгоритм Marching cubes[2].
Одним из приложений, где облака точек используются непосредственным образом, является индустриальная метрология и проверка качества. Облако точек, полученное в результате трёхмерного сканирования готового промышленного изделия, может быть приведено в соответствие с CAD-моделью этого изделия или даже другому облаку точек, и в результате сравнения можно обнаружить отличия между проектными и фактическими параметрами. Эти различия могут отображаться в виде цветных карт, на которых места и участки отклонений между фактической и формальной моделью могут быть автоматически выделенными определённым индикатором. Геометрические размеры и допуски (англ. Geometric dimensions and tolerances) также могут быть непосредственно получены из облака точек.
Облака точек могут использоваться для представления и визуализации объёмных данных, например, в области медицинской визуализации. Благодаря использованию облаков точек в этих задачах достигается мультисемплинг и сжатие данных[3].
В геоинформационной системе облака точек являются одним из источников для создания цифровой модели рельефа (англ. Digital elevation model)[4]. Облака точек также могут использоваться в целях получения 3D-модели городской среды[5].
Облака точек являются ключевой компонентой программной технологии рендеринга в реальном времени под названием «Unlimited Detail», которая разрабатывается австралийской компанией Euclideon с 2004 года[6][7].
См. также
править- Итеративный алгоритм ближайших точек (ICP) — алгоритм, использующийся для сведения к минимуму разницы между двумя облаками точек.
- MeshLab[англ.] — программный инструмент с открытым исходным кодом, предназначенный для управления облаками точек и конвертации их в трёхмерные полигональные модели.
- PCL (Point Cloud Library)[англ.] — всесторонняя свободная библиотека для n-мерных облаков точек и трёхмерной обработки геометрии.
Примечания
править- ↑ Rusinkiewicz, S. and Levoy, M. 2000. QSplat: a multiresolution point rendering system for large meshes. In Siggraph 2000. ACM , New York, NY, 343—352. DOI= http://doi.acm.org/10.1145/344779.344940
- ↑ Meshing Point Clouds Архивная копия от 21 августа 2011 на Wayback Machine A short tutorial on how to build surfaces from point clouds
- ↑ Sitek et al. «Tomographic Reconstruction Using an Adaptive Tetrahedral Mesh Defined by a Point Cloud» IEEE Trans. Med. Imag. 25 1172 (2006)
- ↑ From Point Cloud to Grid DEM: A Scalable Approach. Дата обращения: 3 августа 2011. Архивировано 19 июля 2011 года.
- ↑ K. Hammoudi, F. Dornaika, B. Soheilian, N. Paparoditis. Extracting Wire-frame Models of Street Facades from 3D Point Clouds and the Corresponding Cadastral Map. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences (IAPRS), vol. 38, part 3A, pp. 91-96, Saint-Mandé, France, 1-3 September 2010. Дата обращения: 3 августа 2011. Архивировано 17 июля 2011 года.
- ↑ Krishan Sharma. Local company Unlimited Detail promises just that... (англ.). Atomic MPC[англ.] (26 августа 2010). Дата обращения: 2 августа 2011. Архивировано из оригинала 13 августа 2011 года.
- ↑ Priya Ganapati. New Graphics Tech Promises Speed, Hyperrealism (англ.). Wired (22 апреля 2010). Дата обращения: 2 августа 2011. Архивировано 13 августа 2011 года.
Ссылки
править- Matthias Hopf. Point Cloud Visualization (англ.). Университет Штутгарта. Institute for Visualization and Interactive Systems (13 апреля 2006). Дата обращения: 10 августа 2011. Архивировано из оригинала 16 августа 2012 года.
- Remondino Fabio. FROM POINT CLOUD TO SURFACE: THE MODELING AND VISUALIZATION PROBLEM (англ.) (PDF). Швейцарская высшая техническая школа Цюриха. Institute of Geodesy and Photogrammetry, Swiss Federal Institute of Technology (28 февраля 2003). Дата обращения: 10 августа 2011. Архивировано 27 января 2006 года.
- Sandi Johnson, John Allen. What Is a Point Cloud? (англ.). wiseGEEK (24 мая 2011). Дата обращения: 10 августа 2011. Архивировано 15 мая 2012 года.