[发明专利]三维表面三角网络模型的角度优化方法及装置

说明书

本发明涉及计算机图形处理领域，具体提供一种三维表面三角网络模型的角度优化方法及装置。旨在解决现有技术进行三维表面三角网络模型的角度优化时引入大角度的问题。本发明的方法包括对原始三维表面三角网络模型进行重新网格化，生成第一三维表面三角网络，获取第一三维表面三角网络中的三角形的角度，去除三角形中最大约束角度，增加三角形中最小约束角度，得到第二三维表面三角网络，对第二三维表面三角网络的度数和顶点分别进行度数优化和平滑操作。本发明可以去除其中大于约束三维表面三角网络最大的角度，增加约束三维表面三角网络最小的角度的同时，还能够保持三维表面三角网络的特征和边界，提高了保真度。

技术领域

本发明属于计算机图形处理领域，具体涉及一种三维表面三角网络模型的角度优化方法及装置。

背景技术

在计算机图形学领域中，三维表面三角网络以其有效性、简易性和灵活性成为三维数据离散表示中最为广泛的形式。随着扫描设备和重建技术的发展，可以轻易地获得对象的三维表面三角网络模型，但是通过这种方式获得的三维表面三角网络模型通常具有大量形状不好的三角形，即，三角形中具有过大或过小的角，不能很好地应用于数值计算方法中，例如有限体积法、离散外微分、时空网格法等。

现有技术中生成高质量的三维表面三角网络模型的方法主要包括CVT(Centroidal Voronoi Tessellation，重心Voronoi图)计算法、蓝噪声采样法以及离散优化法。

CVT计算法的目标是通过Lloyd迭代或者拟牛顿法最小化CVT的能量，通过输入采样域和采样点数，提取Voronoi图的对偶网络得到输出的三维表面三角网络模型，但是如果输入具有尖锐特征或者具有高度变化的密度函数，CVT计算法则会输出具有大角度的三维表面三角网络。

蓝噪声采样法包括容积约束的蓝噪声采样方法、最大泊松圆盘采样法、最远点优化法以及简易推拉法，在实际应用中，蓝噪声采样法在满足一系列约束条件之后，能够提高三维表面三角网络模型质量的同时，保持了点分布的随机性，但是点分布的随机性的保持会影响三角单元的质量，所以该方法在特征区域无法保持无大角度的特征。

离散优化法通常使用四种基本的局部操作，即：边分裂、边翻转、边折叠以及顶点重定位，通过反复在输入模型上应用局部操作，提高三维表面三角网络模型的质量，但是该方法没有限制输出网络的角度范围，同时引入了许多大角度的三角形，不能保证没有大角度的三维表面三角网络。

因此，如何提供一种解决上述问题的方法是本领域技术人员目前需要解决的问题。

发明内容

为解决现有技术中的问题，即为了解决现有技术进行三维表面三角网络模型的角度优化后依旧存在大角度的问题，本发明提供了一种三维表面三角网络模型的角度优化方法，包括：

步骤S1：对目标物体的原始三维表面三角网络模型进行重新网格化，生成第一三维表面三角网格；

步骤S2：获取所述第一三维表面三角网格中的三角形的角度，分裂所述三角形中大于第一预设角的角度，增加所述三角形中小于第二预设角的角度，得到第二三维表面三角网格；

步骤S3：对所述第二三维表面三角网格中每个顶点进行平滑操作、对所述顶点的度数进行度数优化；

步骤S4：重复迭代步骤S2-S3，直至所述第二三维表面三角网格中所有三角形角度均小于第一预设角且大于第二预设角，得到角度优化后的三维表面三角网络模型。

在上述方法的优选技术方案中，所述“对目标物体的原始三维表面三角网络模型进行重新网格化，生成第一三维表面三角网格”，其方法为：

计算所述原始三维表面三角网络模型的近似误差和所述原始三维表面三角网络模型中每个顶点的曲率半径；

根据所述近似误差、以及所述每个顶点的曲率半径求解所述原始三维表面三角网络模型的密度场；