[发明专利]应用于几何数据的优化方法、装置、电子设备及存储介质

权利要求书

1.一种应用于几何数据的优化方法，其特征在于：

获取几何模型的几何拓扑数据；

对所述几何拓扑数据进行离散，并对离散失败的几何面进行网格重构，获得三角面片网格数据；

基于预设的规则对所述三角面片网格数据进行检测，识别并优化所述三角面片网格数据中的条带化网格单元，获取优化处理后的三角面片网格数据；

将所述优化处理后的三角面片网格数据输入至机器学习引擎，获得经过机器学习引擎处理后的三角面片网格数据。

2.根据权利要求1所述的方法，其特征在于，所述对所述几何拓扑数据进行离散，并对离散失败的几何面进行网格重构，获得三角面片网格数据包括：

计算所述几何模型的第一最小包围盒；

基于所述第一最小包围盒，获取全局离散系数；

根据所述全局离散系数，对所述几何拓扑数据进行离散，并对离散失败的几何面进行网格重构，获得三角面片网格数据。

3.根据权利要求2所述的方法，其特征在于，所述对离散失败的面进行网格重构包括：

获取离散失败的几何面，并计算所述离散失败的几何面的第二最小包围盒；

基于所述第二最小包围盒，获取局部离散系数；

根据所述局部离散系数，对所述离散失败的几何面进行网格重构。

4.根据权利要求1所述的方法，其特征在于，所述基于预设的规则对所述三角面片网格数据进行检测，识别并优化所述三角面片网格数据中的条带化网格单元，包括：

根据所述三角面片网格数据获得三角面片的第一特征值和第二特征值；

根据所述第一特征值和第二特征值的比值计算得出误差评价指标；

当所述误差评价指标大于预设阈值时，识别出所述三角面片为条带化网格单元，并对所述三角面片进行优化处理。

5.根据权利要求4所述的方法，其特征在于，所述根据所述三角面片网格数据获得三角面片的第一特征值和第二特征值，包括：

获取所述三角面片的第一点的特征值，并根据理想特征函数计算得出所述第一特征值，所述第一点是所述三角面片内任一点；

获取所述三角面片的第一点的特征值，并根据实际特征函数计算得出所述第二特征值。

6.根据权利要求4所述的方法，其特征在于，所述将所述优化处理后的三角面片网格数据输入至机器学习引擎，获得经过机器学习引擎处理后的三角网格数据，包括：

将所述优化处理后的三角面片网格数据输入至机器学习引擎；

通过自顶向下递归的规则处理所述三角面片网格数据，获得经过机器学习引擎处理后的三角面片网格数据。

7.根据权利要求4至6中任一项所述的方法，其特征在于，包括：

通过边分裂、边折叠、边交换或点优化对所述条带化网格单元进行优化处理。

8.一种几何数据处理装置，其特征在于，包括：

读取模块，用于获取几何模型的几何拓扑数据，

离散模块，用于对所述几何拓扑数据进行离散，并对离散失败的几何面进行网格重构，获得三角面片网格数据；

第一处理模块，用于基于预设的规则对所述三角面片网格数据进行检测，识别并优化所述三角面片数据中的条带化网格单元，获取优化处理后的三角面片网格数据；

第二处理模块，用于将所述优化处理后的三角面片网格数据输入至机器学习引擎，获得经过机器学习引擎处理后的三角面片网格数据。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。