网格重建

网格重建，是指从三维点云出发，重建出三维网格。如图所示，左图是一个三维点云，右图是它重建出来的网格。网格与点云最大的区别是，网格有了曲面的概念，虽然它只是分片线性的曲面。最常见的网格是三角网格，这里讨论的网格重建也是三角网格的重建。

网格重建主要有两大类的方法：三角化方法和曲面拟合方法。

三角化方法：这类方法把点云点当作网格顶点，然后直接三角化这些顶点。三角化的网格要满足一些性质，比如三角形尽量的好。常见的三角化方法有Delaunay三角化。

曲面拟合方法：这类方法先用曲面去拟合点云数据，然后离散化曲面到网格。

下面用一个点云线段化的例子来解释上面提到的两种方法。左上图是一个二维点云，它是一个线段的形状。要生成这个线段，有两类方法。一种是直接连接点得到线段，如右上图所示。一种是先用曲线拟合这些点，如左下图所示，然后再离散化这条曲线，得到线段，如右下图所示。

三角化方法和曲面拟合方法各有优缺点，没有明显的谁比谁更好，适用于不同的应用场景：

抗噪性：曲面拟合在一定程度上会光滑掉一些噪音，而三角化的方法保持点云坐标不变，所以曲面拟合的方法抗噪性要强一些。三角化方法在面对噪音数据时，需要先对点云进行去噪。

保持几何细节：噪音和几何细节有时候是很难区分的，有些主观的东西在里面。抗噪性好的方法，在抹去噪音的同时，也会一定程度上抹去一些几何细节。

补洞：曲面拟合的方法可以把一些小的数据缺失的部分给补上，并且数据曲率补洞的方式。曲率补洞在有些时候是很好的，但有时候也会产生不好的效果，比如需要平面补洞的地方。

适普性：曲面拟合有个假设是点云是曲面形状，这个假设不满足的时候，曲面拟合的方法效果要打折扣。而三角化的方法并没有这个假设。不过点云如果是有厚度的，或者有重影，这两种方法处理的效果都不会很好。

非均匀点云：有时候扫描的点云是非均匀的，在重点区域的密度大一些，比如扫描人体的时候，人脸部分的点云密度大一些。三角化的方法可以很好的处理这类情况。

点云属性的传递：点云有些属性需要传递给网格，比如颜色。三角化的方法，网格顶点和点云点是对应的，可以天然的传递下来。而曲面拟合的方法，网格顶点与点云点没有对应关系，需要把点云的点投影到网格上进行属性传递，然后网格顶点再插值计算属性值，这样会引入误差。

LiDAR点云数据有很多特点，比如数据量大，分布严重非均匀，数据缺失严重，扫描对象复杂化等。这些特点使得LiDAR数据的网格重建具有一定的挑战。下图是一个LiDAR数据网格重建的例子。