1. 引言

1.1 研究背景

在數字化浪潮席卷全球的當下，三維建模技術已成為連接虛擬與現實的核心紐帶，廣泛滲透于工程設計、地理信息系統（GIS）、虛擬現實（VR）、增強現實（AR）、醫學影像等關鍵領域。例如，在建筑工程中，BIM（建筑信息模型）技術依賴高精度三維網格實現施工模擬與性能分析；在地理信息領域，數字高程模型（DEM）的網格精度直接影響地形分析的準確性；在醫學領域，器官三維網格模型是手術規劃與模擬的基礎。

然而，高質量三維網格數據的獲取與處理始終面臨三重挑戰：一是數據來源分散，網絡上的三維模型數據分布于開源庫（如 Thingiverse、Sketchfab）、專業數據庫（如 NASA 的 3D 資源庫）、行業平臺等，格式繁雜（STL、PLY、OBJ、GLB 等）；二是處理流程繁瑣，從原始數據到可用網格需經歷格式轉換、噪聲去除、拓撲修復等多環節，人工干預干預成本高；三是技術協同不足，數據獲取與網格處理工具往往獨立存在，缺乏端到端的自動化解決方案。

Python 憑借其豐富的生態庫成為解決這一問題的理想選擇：爬蟲技術可實現數據的自動化采集，而 pygalmesh 作為基于 CGAL（計算幾何算法庫）的高級封裝庫，能高效生成高質量