计算机的相关技术在不断进步,逆向工程已经成为了快速三维重构的主要技术之一,是目前科研与生产上的热门。逆向工程已被广泛地应用于兵器制造、飞行器制造、模具制造等领域。逆向工程的关键技术是依据所获得的海量点云数据对实物模型进行三维模型重构。若想对模型进行三维模型重构,第一步实物表面的原始数据需要被快速并准确地采获,接着在此基础上,对实物进行高质量的三维模型重构。对于海量点云数据的获取,很重要的一种方式是使用三维数码扫描仪,目前主流的扫描仪分为光学三维扫描仪与激光三维扫描仪两种。若想对点云数据进行进一步的计算与分析,需要首先对其进行三维建模。通过对其所对应三维模型进行计算并分析,从而可以获得被摄物体的几何、空间等属性。可以说,对激光点云数据的分析精度与准确度,主要依赖于对激光点云数据进行三维建模的质量,因此目前对激光点云数据进行三维建模是国内外学者在激光扫描数据应用领域的研究重点之一。为了克服传统通过内插激光点云数据离散点云生成三角网的建模方法的不足,本文提出了一种构建空间三角网的思路与具体实现方法。具体思路如下:首先,从离散点云{ }P =P₁ , P₂ ... P_n中任意选择点作为球心点{ }C_i ,根据给定参数:球面重合度与球面拟合误差T_q、T_error ,在每个球心点c建立最优半径为r的球面;根据球面的二维投影,寻找被包含在球面内的从属点。如此循环,当所有的离散点都被建立的球面包围后,得到一个覆盖所有离散点云p的球面互相连接的最优球面表层,根据球面的重合度,分析球面的交叉点,对于符合要求的,选择为三角网顶点的点云,连接这些点,得到三角形,最后得到空间三角网模型。这个方法可以人工控制球面的重合度和拟合精度,并可有过滤噪声点,修复清晰边沿和锐角转角的重建模型。保证三角网的纵横比达到最优比例。填补网格模型的小漏洞,过滤非流形的三角形。在对激光点云进行高水平的三维模型重构后,可以在此基础上对目标物体进行计算与分析,从而实现物体特征提取。本文在平面扩展法与人工智能语义的基础上,提出了一种基于语义的特征提取方法,首先使用平面扩展法对激光点云进行几何分类,生成激光点云面片并对其标号,接着提取面片的轮廓线并计算每个面片的几何属性及面片间拓扑关系,最后利用人类知识定义语义约束集并进行特征提取。尽管该方法并不限定可以提取哪几种特征,本文试验中定义并提取出地面、建筑屋顶和交通车辆三种特征类型。