circlefit3d.m 函数是从 MatLab 文件交换下载的。 请查看功能以查看所有者详细信息。 该演示是出于教学目的而生成的，并未进行优化。 为了在大型点云上应用网格重建，优化至关重要。

针对目前“从明暗恢复形状”时存在计算复杂及收敛性差等问题，提出一种基于网格的解决方法。首先通过图像预处理及区域划分操作将原始图像分割成多个亮度离散的多边形区域，并逐步转换成平面三角形网格，然后根据Lambert定律建立关于空间网格顶点坐标的方程组，在使用最小二乘法求解后，直接将结果应用到OpenGL或DirectX等实时渲染引擎的图形管道中，实现模型的建立与显示。经仿真实验证明该方法计算方便，可逼真重建原始物体的形状。

本文 重 点 研究点云数据编码压缩方法和邻域搜索算法。(1)、根据点云数据的特点，建立八叉树模型，对原始数据进行坐标变换，映射到正整数空间，在此基础上计算数据的Morton码。对Morton码排序、求差，统计码长，提出了一种改进Morton码的方法。该方法提高了Morton编码的连续性，降低了八叉树的深度，减少了数据存储量。并可应用三维行程编码等方法进一步压缩优化后的Morton码。试验结果证明了算法的有效性。(2)、把应用在四叉树模型的编码邻域算法推广到空间的八又树模型，并与栅格邻域搜索算法做定性比较。此外，还简单介绍了Delaunay三角划分方法及其优化准则，Hoppe的三角网格重构算法。