[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

摘要

本发明公开了一种数据驱动最小二乘预测的三角网格压缩方法，主要是针对三角网格压缩，提高网格压缩的编码压缩率，并充分利用网络局部邻域信息特征。其包括以下步骤：从网格模型中所有可能构建的五顶点模板中提取特征数据作为训练集；在局部坐标系下构建预测器；通过最小二乘法求解预测器的权重；在编码时，对当前顶点的量化坐标预测可以使用受限多模板策略进一步提高预测精度，即根据多个可用的模板选择最优集合进行线性组合；对残差进行熵编码。本发明可以深入利用网络模型上临近三角形之间的相关性，有效降低了坐标预测的误差，从而得到了更高且稳定的压缩率，尤其是在光滑模型上的压缩效果更为显著。

主权项

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。