文献综述（或调研报告）：
- 三维地表模型的自动综合及渲染算法的研究现状
经过大量的查阅资料之后，笔者发现关于三维地表模型的自动综合及渲染算法的研究较少，这种算法主要是对散乱点云的三角网格重构算法和点云精简算法的综合与拼接，而点云的三角网格重构算法和点云精简算法是两个比较热门的研究领域，前人已经拥有了大量的研究成果。
下面就主要针对上述两种算法的研究现状进行介绍：
-
- 点云精简算法
随着三维测量技术的快速发展，获取海量的散乱点云数据已经变得越来越容易，获取的数据量越来越大，数据精度越来越高。庞大数据量的点云数据虽然可以渲染出精度更高的三维模型，却给诸如存储、传输以及后继的建模重构等操作带来了巨大的困难。冗余的数据量在某些不要求绝对精度的场合反而成了一种累赘，不但降低了计算的速度，而且增加了内存的消耗。为了解决这一问题，就必须在保持模型特征的基础上对点云数据进行精简。国内外学者对点云精简算法已经进行了大量的研究，并拥有了一些卓越的成果。点云精简的经典算法有很多，下文将对其中四个经典的算法作简要介绍：
- 包围盒算法：
首先采用长方体包围盒来约束点云，接着将整个大的包围盒再按照一定的大小分割成一个个的小立方体栅格（具体小立方体栅格的边长取决于精简率），最后在小栅格中选取最靠近栅格中心的点来代替整个栅格中的点，以此来进行精简而获取均匀采样的点 。
- 曲率采样法：
点云模型的曲率大小对应着模型中的几何特征分布，表示了点云模型的内部属性，对于曲率大的区域，模型的表面变化相对剧烈，特征也就比较明显，所以不能过度精简，应该保留足够多的点来表达模型的几何特征；而在曲率较小的区域，模型表面变化相对平缓，因此特征相对不明显，所以只保留少量点，减少数据点的冗余。
- 法向矢量法：
主要思想是根据删除一个数据点在曲面法方向引起的误差大小作为数据点删除的依据来精简点云。用如下方法可以判断“删除一个数据点在曲面法方向引起的误差大小”：根据每个数据点Pi及其邻近点集 K(Pi)，构造曲面 S 在点Pi处的近似切平面Vi,Vi取为K(Pi)的最小二乘拟合平面，以邻域形心Oi和单位法矢量Ni来表示， 假设 K(Pi)真实地表达了重构曲面在Pi点附近的几何形状信息，则 S 在Pi处的曲率越大，点Pi到相应平面Vi的距离就会越大，因此以数据点到与之对应的最小二乘拟合平面间的垂直距离作为删除该点引起的近似法向偏差。
- 三角网格法：
首先直接利用扫描获取的数据点三角网格化,然后将数据点所在三角面片的法向量与邻近三角面片法向量进行对比,最后依据向量加权算法,在点云的平坦区域用大的三角面片替代若干小的三角面片,删除多余的数据点，从而达到精简点云的目的。
1.2 点云的三角网格重构算法
网格重构的含义是根据采样数据构造出一个近似原始曲面形状的曲面模型。这个定义起源于有限元分析，其最初的定义是用简单的多边形网格来表示给定的几何空间。而这些多边形网格中精度和稳定性最高的就是三角形网格和四面体网格。而三角形作为最简单、最单纯的几何元素，可以很好的表达点云的内在关系，并且具有很强的灵活性，能构造出满足需求的曲面造型。所以利用三角网格进行曲面重构已经成为了一种主流方式。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
