结构光三维建模技术重建效率高,更适用于缺乏纹理特征的物体,是计算机领域的一个研究与应用热点,但存在投影图案易被场景中光线干扰,同时建模尺寸受限的问题。本文设计红外结构光及点云拼接的方案,实现室外场景下实体车辆的三维建模。本方案包括车辆点云采集、精简及三角网格化三个步骤:⑴车辆三维点云采集。设计制造了一台刚性龙门架,用以搭载红外深度传感器,采集车辆头部、尾部、顶部及两侧的点云数据,依据空间直角坐标系下的旋转及平移变换,完成点云坐标归一化,拼接获得完整车辆的三维点云。⑵车辆点云精简与去噪。本文首先提出一种曲率精简算法,其以栅格内K-means聚类结果构造三角形,以相邻三角形法线夹角平均值作为局部曲率估计值,在车辆高曲率区域保留更多三维数据点,与均匀精简相比,对车辆轮廓细节描述更加精确。之后针对人为设定精简规则可能存在误采样的缺陷,本文又设计了一种用于车辆点云采样的多层卷积神经网络,将栅格内点云输入卷积神经网络进行通道伸缩与特征映射,用以挖掘车辆点云的空间结构共性,在完成训练后依据前馈神经网络进行点云采样,增强了点云精简过程中的非线性表征能力。最后依据空间位置滤除地表密集噪点,沿三个坐标轴向进行立方体数据统计,滤除车辆四周及顶部的稀疏噪点。⑶车辆点云三角网格化。以Delaunay三角剖分准则为依据,制定了扩展点约束条件和评价函数,从一个“种子”三角形开始,每次为外边选择评价函数最大的点不断生成新的三角形,从而增量式完成车辆点云的三角网格化,最终形成闭合曲面,获得实体车辆的三维模型。实验结果表明,本文设计红外结构光与点云拼接的三维建模方案,有效地解决了结构光建模中编码信息易被场景中光线弱化及建模尺寸受限的问题,可在一小时内实现室外场景下单台车辆的三维建模,所建模型与车辆标准尺寸相比,长宽高平均误差小于1%。