三维深度信息的配准按不同的图像输入条件与重建输出需求被分为：粗糙配准、精细配准和全局配准等三类方法。粗糙配准研究的是多帧从不同角度采集的深度图像。首先提取两帧图像之间的特征点，这种特征点可以是直线、拐点、曲线曲率等显式特征，也可以是自定义的符号、旋转图形、轴心等类型的特征。随后根据特征方程实现初步的配准。粗糙配准后的点云和目标点云将处于同一尺度(像素采样间隔)与参考坐标系内，通过自动记录坐标，得到粗匹配初始值。

3D建模的原理

3D建模的过程实际上是一个三维重建过程，这个过程包括点云数据预处理、分割、三角网格化、网格渲染。

由于激光扫描获取的数据中常常伴有杂点或噪声，影响了后续的处理，因此为了获取完整的模型，需要对点云数据进行一定的预处理，常用的方法有滤波去噪、数据精简、数据插补等。

分割是指将整个点云聚类为多个点云，每个点云对应***的物体对象。分割算法大体上是先选定一个点，利用kd树计算以该点为中心的球，球内的点都属于该物体，球的半径设为一个阈值，之后遍历该物体的其他点都这么处理，会将点云分割成一个一个的物体。

为了便于后续的网格渲染，需要提前将点云进行三角网格化，采用的算法通常是凸包或凹包算法。

以上几步基本上已经得出了点云的空间拓扑结构，要得到逼真的物体，还需要网格渲染。网格渲染主要为纹理映射，就是将数码相机中的图像望网格上贴。

经过以上几步就完成了整个3D建模。

大势智慧是一家专注于真实世界三维数字化重建及三维数据服务的高新技术企业，公司在城市高精度三维建模、模型应用及语义化理解和文化遗产数字化保护领域具有***的技术优势和丰富实践经验。

三维重建的分类根据采集设备是否主动发射测量信号，分为两类：基于主动视觉理论和基于被动视觉的三维重建方法。

主动视觉三维重建方法：主要包括结构光法和激光扫描法。

被动视觉三维重建方法：被动视觉只使用摄像机采集三维场景得到其投影的二维图像，根据图像的纹理分布等信息***深度信息，进而实现三维重建。