[发明专利]一种基于平面分析的自适应三角网简化方法

说明书

本发明公开了一种基于平面分析的自适应三角网简化方法，首先将原始模型进行一定程度的初始简化；根据简化后模型中每三个点组成的网格信息计算数据中所有点的法向量信息；根据所得到的法向量信息，通过点法向量角度比较的区域增长法来进行平面检测，区分出模型中的平面部分与非平面部分；对检测出来平面部分进行判断，区分其中的墙壁平面与非墙面平面；针对区分出的不同平面，即墙壁平面、非墙面平面和非平面部分，分别赋予P1％、P2％和P3％的简化率进行简化。方法能够有效地在相同数据量时将模型的效果更好的表现出来，通过对模型中不同部分的细节重要程度的区分，自适应的将不同部分进行不同比率的简化。

技术领域

本发明涉及测绘科学技术领域，尤其涉及一种基于平面分析的自适应三角网简化方法。

背景技术

目前，网格简化的算法大致上可以分为下面几种方式：1)Vertex clusteringalgorithms：顶点聚类算法拥有很高的效率和鲁棒性(Robust)，算法的复杂度是线性的。其缺点在于生成网格的质量不是特别令人满意。2)Incremental algorithms：增量算法生成的网格质量很高，并且每次迭代的过程中能够使用任意用户定义的标准来进行下次减化网格操作。不过其复杂度较高，为O(n log n)，最差复杂度为O(n²)。3)Resamplingalgorithms：重采样算法是最常用的算法。新的采样点被放置在网格曲面上，通过连接这些顶点，能够构建出一个新的网格，使用重采样算法的主要目的是在于，通过重采样我们能够获得想要的网格连接结构。不过其主要的缺点在于，如果采样模式与网格区域没有对齐，那么就会出现走样(Aliasing)。4)Mesh approximation algorithms：网格逼近通过一系列的网格优化策略来最小化某个定义明确的错误量。

现实中的仿真场景模型类型多，有地面、水体、植物和建筑物等类型，并且几何图形数据量较大，往往包含几万，甚至几十万个三角面，通过实验发现，即使在高配置的计算机中也只有几帧每秒左右的渲染速度，没有达到实时处理的要求；同时为在互联网上发布数字模型，满足浏览模型信息等的要求，也需要对原始模型进行一定处理，缩减文件尺寸。而模型数据中几何形状较多，各部分重要程度与细节特征处理起来，需求一般不同，平面、墙体等的细节相对较少，可以进行较高程度的简化，而高特征部分则不适用于高比率的简化，因此需要一种可以判断模型中各部分细节特征，对于各部分分别进行不同程度简化的方法。

发明内容

本发明的目的是提供一种基于平面分析的自适应三角网简化方法，该方法能够有效地在相同数据量时将模型的效果更好的表现出来，通过对模型中不同部分的细节重要程度的区分，自适应的将不同部分进行不同比率的简化。

本发明的目的是通过以下技术方案实现的：

一种基于平面分析的自适应三角网简化方法，所述方法包括：

步骤1、首先将原始模型进行一定程度的初始简化，在降低数据量的同时保持模型各部分的细节特征；

步骤2、在初始简化的基础上，根据简化后模型中每三个点组成的网格信息计算数据中所有点的法向量信息；

步骤3、根据所得到的法向量信息，通过点法向量角度比较的区域增长法来进行平面检测，区分出模型中的平面部分与非平面部分；

步骤4、对检测出来平面部分进行判断，以该面的面法向量与模型数据Z轴的夹角为判断条件，区分其中的墙壁平面与非墙面平面；

步骤5、针对区分出的不同平面，即墙壁平面、非墙面平面和非平面部分，根据这三部分的细节重要程度，分别赋予P1％、P2％和P3％的简化率进行简化；其中，简化率P1的范围为1～3、P2的范围为3～5、P3的范围为8～15。