1、 pre-process

1. reset image resolution to the original size

经过densify后生成的scene数据保存有point对应的image信息，在densify过程中，reference imgae与neighboring image 做过尺度统一的处理(可参考作者另一篇博文??)，因此需要reset solution

2. initializing image neighbors
3. 权重设置

• 稠密重建后，每个三维点对应了一个权重array，保存三维点与对应的可见图像间的权重
• 代码

scene.pointcloud.pointWeights.Release()bUseConstantWeight //considers all view weights 1 instead of the available weight 

2、Resrtuction mesh

1. 核心函数

bool Scene::ReconstructMesh(float distInsert, bool bUseFreeSpaceSupport, unsigned nItersFixNonManifold,float kSigma, float kQual, float kb,float kf, float kRel, float kAbs, float kOutl,float kInf)

2. 函数实现参考论文：

Exploiting Visibility Information in
Surface Reconstruction to Preserve Weakly Supported Surfaces
代码阅读笔记见作者另一篇博文 ：链接

2.1、 DT – Incrementally

2.1.1、insert 3D point (包含alpha_vis（P）的计算)

1. !!判断能否将该点有效插入的条件：

O && 已构建的DT的顶点P的重投影距离—阈值（ 代码中为：distInsert^2）比较：
若不满足，则不添加该点，但visibility info更新(alpha(3D point) +1;
若不满足，则insert该点，visibility info初始化（alpha(3D point)=1）

重投影： 将O与P重投影到所有与o相关的视图上，只要有一个视图满足条件far enough即可

2. 具体步骤如下：

---------------------搜寻需要与O判断的P------------------------------

1). locate O –cell（DT）

const cell_handle_t c(delaunay.locate(p, lt, li, lj, hint->cell()));
---------------------------------
// Returns the (finite or infinite) cell p lies in.
// Starts at cell "start".
// If lt == OUTSIDE_CONVEX_HULL, li is the index of a facet separating p
//  from the rest of the triangulation
// In dimension 2 :
//  returns a facet (Cell_handle,li) if lt == FACET
//  returns an edge (Cell_handle,li,lj) if lt == EDGE
//  returns a vertex (Cell_handle,li) if lt == VERTEX// If lt == OUTSIDE_CONVEX_HULL, li, lj gives the edge of c separating p
//  from the rest of the triangulation
// lt = OUTSIDE_AFFINE_HULL if p is not coplanar with the triangulation
exact_locate(const Point& p, Locate_type& lt, int& li, int& lj,Cell_handle start, bool *could_lock_zone)

2). cell 中离O最近的vertex –P（1个）

nearest = delaunay.nearest_vertex_in_cell(p, c);

---------------------搜寻需要与O判断的P------------------------------

3). 重投影判断

if (!IsDepthSimilar(pn.z, pe.z) || normSq(Point2f(pn)-Point2f(pe)) > distInsertSq)

4). 更新visibility info

hint->info().InsertViews(pointcloud, idx);

InsertViews()函数内部实现 (二选一)：

• view_t初始化：

views.InsertAt(idx, view_t(viewID, weight)); //将3D point O 的可见视图深入到view_t( 带有weight)

• view_t自增：

views[idx].weight += weight;//weight = 1
struct view_t {PointCloud::View idxView; // view indexType weight; // point's weight
……}

3. insert 操作代码：delaunay.insert( p)

2.1.2、finite\infinite face\DT(DT-s_weight)

PRE：

• DT生成过程，vertex只包含3D point，生成的DT包括有限DT +无限DT，通过相机视锥体与无限DT所决定的有限face，以及store the finite facet of the infinite cells，使整个face覆盖的空间为3D point + Camera（对应操作如下1 && 2）
• 同时，将包含相机的DT视作outside，初始化该DT的s-edge weight（对应操作如下：3）

//store the finite facet of the infinite cells
hullFacets.push_back(facet);

 // Given a cell and a camera inside it, if the cell is infinite,
// find all facets on the convex-hull and inside the camera frustum,
// else return all four cell's facets
template <int FacetOrientation>
void fetchCellFacets(const delaunay_t& Tr, const std::vector<facet_t>& hullFacets, const cell_handle_t& cell, const Image& imageData, std::vector<facet_t>& facets)

// link all cells contained by the camera to the source ---outside！！！
infoCells[f.first->info()].s = kInf; ----DT-s 的权重已经在此设置，为常数kInf

重要：

• 并不是所有DT都与需要设置DT-s权重，只有由camera fetch得到的face,与其相关的DT(代码如下)设置该权重
• 本质：部分置信度极低的DT-s edge已经剔除，置信度较高的DT才生成DT-s edge

camCell.cell = delaunay.locate(MVS2CGAL(camera.C));

2.2、 weight【weight_vis && weight_qual】 （DT-DT //DT-t）计算

2.2.0、pre

1. alpha_vis（P）在DT生成过程（incrementally）就已实现，
2. 遍历P及其可见视图对应的相机camera，根据(c,p)计算对应DT-t及DT-DT的weight_vis_p 最后累加得到weight_vis
3. weight_vis的计算基于 alpha_vis（P） 以及distance （与参考论文一致）
4. weight_qual 只有DT-DT才需要计算
5. 重要参数-sigma 计算：all DT edge length media

2.2.1、 Camera-vertex之间（DT-DT weight）

2.2.1.1 weight_vis

1. 原理：每一个与ray相交的面得到与此（c,p）相关的权重:（与参考论文一致）
   
2. 代码：

const edge_cap_t alpha_vis(view.weight); 
//view.weight 在DT三角化过程中计算得到（见上）
const edge_cap_t w(alpha_vis*(1.f-EXP(-SQUARE((float)inter.dist)*inv2SigmaSq)))

2.2.1.2 weight_qual

1. 在graph构建的过程中，只有DT间face所代表的edge的权重，需要引入surface quality，与可视性权重加权【kQual】相加---与参考论文一致
2. 代码实现，见 2.4

2.2.2、Camera-vertex –to end(DT-DT/DT-t weight)

1. Camera-vertex –to end: 沿可视光线延长到p后方，计算与L_DT（endCell）相关的权重（L_DT的定义见参考论文）

const cell_handle_t endCell(delaunay.locate(segEndPoint.source(), vi->cell()));

2. 对于L_DT -t 的权重，直接把所有将该DT作为L_DT 的相关(c，p) 的alpha_vis累加

t += alpha_vis;

3. DT-DT weight：对于L_DT 的相交face的权重，采用上文（2.2.1）的方法进行计算

2.3、 add free-space support to the t-edge （graph的边）weight

1. 计算f(T)：原理 –同参考论文

//代码实现，基于f(face)，核心函数如下：// Given a cell, compute the free-space support for it
edge_cap_t freeSpaceSupport(const delaunay_t& Tr, const std::vector<cell_info_t>& infoCells, const cell_handle_t& cell)

2. 计算（c，p）与free-space support相关的指标：

• beta:
  
• gamma
  
• eps

3. 运用论文中的point interface classifier 判断并更新 t-edge weight
   PS:代码是直接累乘，和参考论文不一致
   

2.4、 s-t graph cut —mesh

1. 在graph构建的过程中，只有DT间face所代表的edge的权重，需要引入surface quality，与可视性权重加权【kQual】相加—参考论文1
2. 代码：

const edge_cap_t q((1.f - MINF(computePlaneSphereAngle(delaunay, facet_t(ci,i)), computePlaneSphereAngle(delaunay, facet_t(cj,j))))*kQual);
graph.AddEdge(ciID, cjID, ciInfo.f[i]+q, cjInfo.f[j]+q);

3、 non-manifold 迭代优化（略）

相关概念见链接

4、 Mesh -clean

1. clean 阶段调用scene.mesh.Clean()函数-3次
   
2. scene.mesh.Clean()函数核心内容：