[发明专利]一种三角网格模型的优化方法

说明书

本发明公开了一种三角网格模型的优化方法，其能够对三角网格模型进行有效地优化，获取与原始网格更相似的采样网格。包括步骤：(1)基于顶点均分的自适应采样；(2)计算原始网格的每个面到重新采样网格面的Hausdorff距离H1，以及重新采样网格每个面到原始网格面的Hausdorff距离H2；(3)从H1与H2中选取Hausdorff距离最大的面T离散化为独立的点后，结合面T的关联面，计算发生Hausdorff距离最大值时面T上的点P，以及对应的关联面中目标面R；计算三角网格之间的Hausdorff距离，进行点到面的类型判断，点到面的类型分为：点到点、点到线、点到面；根据点到面的类型进行网格模型优化。

技术领域

本发明属于计算机图形学的技术领域，具体地涉及一种三角网格模型的优化方法。

背景技术

三维模型数据是计算机图形学领域的一个重要研究内容。三维模型数据作为一个新的多媒体数据类型，具有更强的真实性和交互性，在工程设计、模拟仿真、医药卫生、以及游戏娱乐等方面有重要的应用。三维模型一般都处理为三角网格模型，在过去的几年中，研究人员提出了很多获取重构三角网格模型的方法。为了满足变形、压缩等后续处理，经常使用几何图像生成的方法，即使用二维规则网格来表示一个三角网格模型。几何图形是顾险峰、Hoppe等人在2002年Siggraph会议上提出的。从几何图像获取三角网格模型，主要可以分为：从单片图像获取重构三角网格模型和从多片图集获取重构三角网格模型。为本文的需要，此处仅介绍从单片图像获取重构三角网格模型。

顾险峰、Hoppe等人采用的几何图像生成方法为：直接处理开网格或者将闭网格切割为开网格，并进行参数化，将需要重构的表面的切口要和正方形参数域的边界相对齐，在参数域网格进行规则采样，得到规则网格来表示一个三角网格模型，并将几何数据转储为几何图像。但是对于某些区域会出现采样不足的情况，细节信息无法准确的表示，增加采样率会增加数据量而占据大量的存储空间。为了更精确的表示三角网格模型，周昆等人提出来自适应采样的方法，即在规则采样的基础上，依照参数化顶点分布进行采样点的调整，让参数化顶点密集的地方尽可能分布多的采样点，这样可以更好的表示细节信息，但是忽视了边缘信息。无论是规则采样，还是自适应采样，都是在采样结束后直接获取三角网格模型，并没有进行三角网格模型的优化。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种三角网格模型的优化方法，其能够对三角网格模型进行有效地优化，获取与原始网格更相似的采样网格。

本发明的技术解决方案是：这种三角网格模型的优化方法，包括以下步骤：

(1)基于顶点均分的自适应采样：将原始三维空间开网格的切口对齐二维正方形区域的边界，将三维网格平铺在二维正方形区域；在进行重新采样时，依据参数网格的顶点分布进行自适应采样，使重新采样的网格点尽可能的分布在参数网格顶点密集区域；

(2)计算原始网格的每个面到重新采样网格面的Hausdorff距离H1，以及重新采样网格每个面到原始网格面的Hausdorff距离H2；

(3)从H1与H2中选取Hausdorff距离最大的面T离散化为独立的点后，结合面T的关联面，计算发生Hausdorff距离最大值时面T 上的点P，以及对应的关联面中目标面R；计算三角网格之间的 Hausdorff距离，进行点到面的类型判断，点到面的类型分为：点到点、点到线、点到面；根据点到面的类型进行网格模型优化。

本发明以Hausdorff距离最优为目标来获得三角网格模型，所以能够对三角网格模型进行有效地优化，获取与原始网格更相似的采样网格。

附图说明

图1是根据本发明的三角网格模型的优化方法的流程图。

图2是根据本发明的点到面类型说明图。

具体实施方式