[发明专利]通过3D模型重建进行网格简化

说明书

本文描述了用于提供基于栅格的网格抽取的概念和技术。一般性地来描述，处理定义模型的输入数据以从众多角度将模型渲染为深度图。通过从众多视角捕捉深度图数据，从该众多视角可见的模型的组件被捕捉在深度图数据中，并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从多个视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成输出网格数据。一个或多个网格抽取算法可被应用于网格数据。图像数据也可以从输入数据捕捉并应用于输出网格数据。

背景技术

存在不断增长的与利用三维(3D)显示技术的计算设备进行交互的用户群体。一些3D模型可能非常复杂并且具有非常高的多边形计数，有时如此多以致在有实时性能和存储器约束的情况下难以渲染。为了解决这些约束中的一些，网格抽取算法(mesh decimationalgorithm)用于创建具有减少的多边形计数的3D模型的简化版本。尽管减少的多边形计数可能有助于某些性能和计算资源问题，但是这些技术具有多项缺点。减少的多边形计数可能在建模对象的不适当位置产生孔和间隙，还存在其它问题。

在一个说明性示例中，3D网格数据可以包括多个组件，诸如组成立方体的表面的多个三角形。定义三角形的数据可以不指示某些三角形已连接。例如，3D网格数据可以定义组成立方体的正面的三角形，然而该数据可能不指示所述三角形是否连接。这样的数据被称为“多边形汤”。传统的网格抽取技术在处理这些数据时可能不会有效减少多边形的数量，因为移除随机组件可能移除突出的组件(salient components)，诸如组成立方体的正面的一个或多个三角形。此外，传统的网格抽取技术可能无法移除隐藏的组件，例如内部组件。这样的结果可能不是合需的，因为这样的技术可能会留下不想要的孔或甚至可能以不可识别的形式渲染对象。

本文所做出的本公开正是关于这些和其它考虑事项而提出的。

概述

本文描述了用于提供基于栅格(raster)的网格抽取的概念和技术。一般性地来描述，处理定义模型的输入数据以从众多角度将模型渲染为深度图。角度的位置和/或角度的数量基于一个或多个因素，包括在输入数据和/或其它上下文信息中定义的特性。通过从众多视角捕捉深度图数据，从该众多视角可见的模型的组件被捕捉在深度图数据中，并且被可见组件阻挡的组件不被捕捉在深度图数据中。点云数据是通过合并从众多视角捕捉的深度图数据生成的。通过将表面重建应用于点云数据来生成网格数据。网格抽取算法可被应用于网格数据。在一些配置中，本文所描述的技术还可以渲染所述模型以从众多视角生成图像数据。可使用所述图像数据纹理化或以其它方式补充所述网格数据。

应当理解，上述主题也可被实现为计算机控制的装置、计算机进程、计算系统或诸如计算机可读介质等制品。通过阅读下面的详细描述并审阅相关联的附图，这些及各种其它特征将变得显而易见。

提供本概述以便以简化的形式介绍以下在详细描述中进一步描述的一些概念。本发明内容并不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在将本概述用来限制所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本公开的任一部分中所提及的任何或所有缺点的实现。

附图简述

图1是示出用于提供基于栅格的网格抽取的若干示例组件的框图；

图2示出了由包括几何数据的样本输入数据定义的模型；

图3A示出了用于捕捉模型的深度图(depth map)数据的多个视角；

图3B示出了用于捕捉模型的图像数据的多个视角；

图4A示出了基于从深度图数据生成的点云数据(point cloud data)的模型的表示；

图4B示出了基于从点云数据的表面重建生成的网格数据的模型的表示；

图4C示出了基于图像数据的模型的纹理化表示；