扫描点云孔洞修补方法概述

据前文所述，由于在人体扫描过程中，受设备自身缺陷和外界环境条件所致，人体的有些部位（如腋下、裆部等）存在扫描盲区，同时人体的头顶、肩部、足底等部位容易漏扫，导致人体点云模型往往存在孔洞。这些孔洞的存在会影响后续的操作，应该先进行孔洞修补再对其进行曲面重构。

针对点云数据孔洞修补，目前主要有两种方法：第一种是在三角网格面重构之后，对三角网格面进行孔洞修补；第二种是直接对扫描点云数据进行孔洞修补。

（1）点云三角化后孔洞修补

早期针对三角网格面的孔洞修补算法主要考虑如何对孔洞边界进行连接，得到封闭的孔洞区域。但是这些算法大都采用直接对孔洞边界进行连接的方式，没有增加新的三角片顶点，因而难以获得较好的三角片形状。

后来，很多研究者开始对孔洞区域内部的三角划分问题进行研究。

Pfeifle等依据三角片的边长情况，采用三角细分算法对用边界连接得到的孔洞进行细分，采用基于Delaunay的三角剖分方法对相邻三角片的公共边进行调整并在孔洞内部生成新的三角片。该方法对位于较平坦区域内的孔洞进行修补效果良好，但对于曲率变化较大的孔洞，因新生成的三角片与其周围的原网格曲面不能光滑连接，修补效果欠佳。

Liepa在Pfeifle方法的基础上做了改进，对新增三角网格与其周围原三角网格采用网格光顺的方法进行顶点位置调整，使得新生成三角网格与其周围网格光顺连接。

Davis采用体数据场融合的方法进行孔洞修补，该方法首先通过迭代建立孔洞及其周围曲面的场函数，然后用MC（Marching Cube）算法网格化显示整个模型。该算法能对大部分的孔洞取得较好的修补效果，但由于要用MC方法整体重新输出修补后的模型，因此会改变原有的网格模型。

张丽艳等通过将孔洞多边形投影到平面上，根据投影后的孔洞多边形边界的夹角关系不断生成新增的三角片来完成对孔洞的三角片填充。(www.xing528.com)

（2）扫描点云数据孔洞修补

国内外有大量研究者对基于扫描点云数据的孔洞修补方法进行研究。

Pavel首先计算扫描点云的邻近点对孔洞边界进行描述，然后使用边界点的邻近点构造的曲面来进行孔洞修补。

陈飞舟通过构建kD Tree（kDimension Tree）的方法自动提取点云数据中孔洞的边界，然后对边界点进行参数化，最后通过径向基函数表示的插值曲面计算位于孔洞内部的数据点，实现对孔洞的修补。

陈志扬利用方差和平均曲率确定数据影响区域Ω的方法。该方法自动根据边界轮廓的复杂度计算出影响区域Ω的大小，然后利用影响区域Ω内的数据点构造逼近的B样条曲面，最后在B样条曲面上计算采样点作为新增数据点。该算法相对于直接利用孔洞边界轮廓生成补测数据的算法，有较“光顺”的连接效果。

邱泽阳首先通过人工交互的手段在孔洞附近提取不共线的三个点，构成一个三角形，然后将局部测试点向该三角片所在平面投影，构造初始三角Bezier曲面片，并进行迭代求精，最后在满足条件的三角曲面片中取点，完成孔洞修补。

顾园园首先利用各数据点的邻域信息，根据其K邻域点的分布均匀性来检测孔洞边界特征点，然后采用基于邻域信息的边界边扩张方式进行孔洞的填充，实现散乱点云模型的孔洞修补。