[发明专利]一种基于遗传算法的三角网格模型的三角形折叠简化方法

摘要

本发明公开了一种基于遗传算法的三角网格模型的三角形折叠简化方法，它是以三角面片的重心为基础生成随机步长和新点，利用遗传算法不断迭代得到能使新网格区域误差最小、三角形质量最高的最优折叠点，根据折叠代价依次对各三角面片进行折叠，直至简化到需要的删减百分比，最终得到简化的三角网格模型。本发明的技术效果是针对某些三角网格数据量较大的情况，有效集成了遗传算法和三角形折叠方法，充分利用了遗传算法在控制误差、提升三角形质量方面的优势，结合三角形折叠方法又弥补了遗传算法在处理效率上的不足，最终在处理速度和结果质量之间取得了平衡，从而实现了获得高质量三角网格模型的目的。

主权项

一种基于遗传算法的三角形网格模型的折叠简化方法，其特征在于，包括以下步骤：1)在输入所述STL格式的三角网格模型之后，设置删减百分比。2)选定网格模型中，计算三角面片的重心作为初始折叠点；3)寻找出最优折叠点：3‑1)依照面片存储的顺序，处理对应的初始折叠点，随机生成步长，进而生成第一代新点；3‑2)计算步骤3‑1)生成的第一代新点的体积误差和新点连接三角形的规范化系数；3‑3)利用适应度函数、选择算子、交叉算子、变异算子不断迭代，达到迭代次数时结束，选出适应度函数值最小的点作为最优折叠点,并采用该点体积误差作为折叠代价。4)将各三角面片的最优折叠点的折叠代价数值以及相对应的面片按照代价由大到小的顺序进行排序，并存入VC++自带的容器Vector中；5)首先对折叠代价最小的三角面片进行折叠，生成折叠点，并更新新点邻域信息，对新生成的三角面片重复步骤3)～4)；直到最优折叠点的折叠代价和邻域信息存储完毕，进入下一步；6)重复步骤5)，并计算被删减的面片数量占总面片数的百分数，直至满足步骤1)设定的删减百分比时结束全过程。