[发明专利]一种数据驱动最小二乘预测的三角网格压缩方法

权利要求书

1.一种数据驱动最小二乘预测的三角网格压缩方法，其特征在于，包括预测模型生成和三角网格编码两部分。

预测模型生成部分包括：

101，对三角网格进行拓扑压缩，并确定几何压缩时的顶点遍历顺序。

201，按照遍历顺序，对每个顶点x，选取它的5个已遍历的邻域点作为五顶点预测模板，这5个点分别为x顶点的一条相对边的两个顶点b和c；与边bc相对的顶点a；与边ab相对的顶点p以及与边ac相对的顶点q。

202，为每个五顶点预测模板建立局部坐标系，并计算{a,b,c,p,q}在局部坐标系下的坐标{a',b',c',p',q'}；设置局部坐标系的原点为(a+b+c)/3，坐标轴为[U,V,W]，其中U方向沿着b-c方向，W沿着△abc的法向方向，V方向则由其他两个方向叉乘得到。

203，去除局部坐标中线性相关部分，得到坐标向量f，f包括平移标量t和9个坐标b′_U,c′_U,c′_V,p′_U,p′_V,p′_W,q′_U,q′_V,q′_W。

204，构造预测方程并用最小二乘法求解预测器的权重预测方程按照下式：

其中x′_i为局部坐标系下第i个顶点坐标的实际值，为局部坐标系下第i个顶点坐标的预测值，其每个坐标分量为：

其中为的第j个分量，为第i个顶点的10维向量fⁱ的第j个分量。

三角网格编码部分包括：

301，对三角网格进行拓扑压缩，并确定几何压缩时的顶点遍历顺序。

401，对三角网格的几何数据进行量化。

501，使用预测训练中得到的权重来预测当前顶点的局部坐标系坐标并记录局部坐标系下的差值

601，对遍历所有顶点记录的几何坐标值以及差值序列构成的数据流进行熵编码得到压缩码流。

2.根据权利要求1所述的一种数据驱动最小二乘预测的三角网格压缩方法，其特征在于，所述步骤101中，拓扑压缩采用EdgeBreaker方法压缩拓扑信息，建立顶点的生成树，确定顶点遍历顺序。

3.根据权利要求1所述的一种数据驱动最小二乘预测的三角网格压缩方法，其特征在于，所述步骤203具体为：

局部坐标系表示的五个顶点坐标的部分分量存在线性相关性，有如下关系：

即a'在U,V,W方向的分量a′_U,a′_V,a′_W，b'在V,W方向的分量b′_V,b′_W，以及c'在W方向的分量c′_W实际上是冗余的，因此直接将它们从线性系统中消掉，只保留其余的变量：b′_U,c′_U,c′_V,p′_U,p′_V,p′_W,q′_U,q′_V,q′_W；

于是，上述9个坐标以及平移标量t组织成一个10维向量将每组邻域顶点表示的向量组合成一个矩阵，矩阵的行数即为邻域顶点与预测顶点对数，矩阵的列数即为10。

4.根据权利要求1所述的一种数据驱动最小二乘预测的三角网格压缩方法，其特征在于，所述步骤401中，量化方法采用可变长量化或者定长量化，量化位数取值8-14位。