[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

说明书

本申请涉及一种应用于几何数据的优化方法、装置、电子设备及存储介质。该方法包括：通过获取几何模型的几何拓扑数据；对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；基于预设的规则对三角面片网格数据进行检测，识别并优化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。这样能够识别并修复网格中的失败单元及条带化网格单元，提高渲染效果，且能提高几何网格面的邻近特征表现，处理效率高。

技术领域

本申请涉及几何模型技术领域，尤其涉及一种应用于几何数据的优化方法、装置、电子设备及存储介质。

背景技术

计算机辅助工程(Computer Aided Engineering ,CAE)已经成为研发过程中不可或缺的技术，计算机辅助工程等发展越来越成熟，同时对几何模型的需求也越来越大。在显示器或浏览器界面渲染几何模型时，对于几何模型的准确渲染尤为重要，也涉及到了对几何模型的准确离散的问题。

但传统的几何处理方法对于一些几何模型在离散的时候会存在一定的失败单元或者“条带化”单元，无法在显示器或者浏览器界面展示完整准确的几何模型，因此，亟需一种新的几何处理方法。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种应用于几何数据的优化方法、装置、电子设备及存储介质，能够快速准确地生成几何三角面片网格数据且可以识别并修复网格中的失败单元和条带化网格单元，生成效率高，渲染效果好。

本申请第一方面提供一种应用于几何数据的优化方法，包括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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。