基於重要性採樣的三維模型自動化簡化方法
2023-09-18 07:12:20 4
基於重要性採樣的三維模型自動化簡化方法
【專利摘要】本發明公開了一種基於重要性採樣的三維模型自動化簡化方法，包括以下步驟：定義三維模型的重要性幾何特徵、對三維模型的重要性幾何特徵進行自動化提取、簡化後三維模型的表達與恢復。上述自動化三維模型簡化方法，通過三維模型表面主曲率在主方向的極值點，對重要性幾何特徵如褶皺、尖角、鑿痕、邊界等進行有效量化。對具有重要性幾何特徵的區域，使用更大的採樣概率獲取採樣點，而其他區域則使用較小的採樣概率，獲取採樣點。故簡化模型中的採樣點集能夠在有效保持褶皺、尖角、鑿痕、邊界等幾何特徵的基礎上，極大減少網格模型頂點數。具有簡化程度高、模型精度好、簡化過程高效等特點。
【專利說明】基於重要性採樣的三維模型自動化簡化方法
【技術領域】
[0001]本發明涉及一種三維模型的簡化方法，尤其涉及一種基於重要性採樣的三維模型自動化簡化方法。
【背景技術】
[0002]三維模型在工業製造、建築設計、產品展示、醫學、電子商務、軍事模擬仿真及影視娛樂等方面有著廣泛的應用。隨著人們對這些方面的要求越來越高，三維模型向著更具真實感和更高複雜度方向發展。而更具真實感和複雜性的三維模型導致三角形面片數量劇增、數據量越來越龐大，遠遠超出了圖形硬體的交互處理和網絡實時傳輸的能力。因此，如何在保持原始模型特徵的情況下對三維模型進行簡化從而實現對複雜模型的快速處理成為當前的研究熱點。傳統的三維模型簡化方法不能對模型的褶皺、尖角、鑿痕、邊界等特徵進行有效的簡化。
【發明內容】
[0003]本發明的目的就是為了解決上述問題，提出了 一種自動化、高精度、高效的三維模型簡化方法。該方法通過對三維模型的簡化，有效提高其在實時計算機圖形學、計算機輔助設計、計算機動畫等應用領域中的處理效率，為進一步拓展其應用領域和範圍奠定理論基礎。
[0004]為了實現上述目的，本發明採用如下技術方案:
[0005]一種基於重要性採樣的三維模型自動化簡化方法，包括以下步驟:
[0006]( I)輸入待簡化的三維模型。
[0007](2)定義所述三維模型的重要性幾何特徵，即所述三維模型中曲率變化大的特徵區域。
[0008](3)對三維模型的重要性幾何特徵的自動化提取。
[0009](4)設定重要性採樣概率，根據設定的重要性採樣概率對提取到的三維模型重要性幾何特徵中的點進行隨機採樣，得到重要性採樣點集合及其對應的重要性採樣點法向集
口 o
[0010](5)設定普通模型點的採樣概率，普通模型點的採樣概率值小於重要性採樣概率；利用普通模型點採樣概率對三維模型表面上所有的點進行隨機採樣，得到普通採樣點集合及其對應的普通採樣點法向集合。
[0011](6)重要性採樣點集合及其法向集合、普通採樣點集合及其法向集合的併集即為簡化後的三維模型表達式。
[0012](7)使用基於緊支撐基函數的模型恢復方法，將簡化後的三維模型表達恢復為三維模型。
[0013]所述步驟(2)中三維模型的重要性幾何特徵定義為褶皺、尖角、鑿痕、邊界等曲率變化大的特徵區域。[0014]所述步驟(3)中對三維模型的重要性幾何特徵進行自動提取的基本步驟如下:
[0015](I)利用Wendaland緊支撐集RBF，將三維模型的表面轉換為隱式曲面的函數
F(X)。
[0016](2)利用三維模型的隱式曲面函數計算該模型中每個網格頂點V處主曲率k沿主方向的導數emax和emin。
[0017](3)計算三維模型表面主曲率k沿主方向的極值點。
[0018](4)對上述極值點進行優化，刪除對重要性幾何特徵影響小的極值點，保留影響大的極值點。
[0019]所述隱式曲面的函數F(X)為:
「0020]
【權利要求】
1.一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，包括以下步驟: (1)輸入待簡化的三維模型； (2)定義所述三維模型的重要性幾何特徵，即所述三維模型中曲率變化大的特徵區域； (3)對三維模型的重要性幾何特徵的自動化提取； (4)設定重要性採樣概率，根據設定的重要性採樣概率對提取到的三維模型重要性幾何特徵中的點進行隨機採樣，得到重要性採樣點集合及其對應的重要性採樣點法向集合； (5)設定普通模型點的採樣概率，普通模型點的採樣概率值小於重要性採樣概率；利用普通模型點採樣概率對三維模型表面上的點進行隨機採樣，得到普通採樣點集合及其對應的普通採樣點法向集合； (6)重要性採樣點集合及其法向集合、普通採樣點集合及其法向集合的併集即為簡化後的三維模型表達式； (7)使用基於緊支撐基函數的模型恢復方法，將簡化後的三維模型表達恢復為三維模型。
2.如權利要求1所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述步驟(2)中三維模型的重要性幾何特徵定義為曲率變化大的褶皺、尖角、鑿痕、邊界特徵區域。
3.如權利要求1所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述步驟(3)中對三維模型的重要性幾何特徵進行自動提取的基本步驟如下: (1)利用Wendaland緊支撐集RBF，將三維模型的表面轉換為隱式曲面的函數F(x)； (2)利用三維模型的隱式曲面函數計算該模型中每個網格頂點V處主曲率k沿主方向的導數emax和emin ； (3)計算三維模型表面主曲率k沿主方向的極值點； (4)對上述極值點進行優化，刪除對重要性幾何特徵影響小的極值點，保留影響大的極值點。
4.如權利要求3所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述隱式曲面的函數F(X)為:
5.如權利要求3所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述計算頂點V處主曲率k沿主方向的導數emax和emin的方法為:
6.如權利要求3或5所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述計算三維模型表面主曲率沿主方向的極值點的方法為: 根據每個頂點V處的e_和emin，檢查邊[Vl，V2]是否包含理論極值點；將理論極值點集映射為實際極值點集；計算理論極值點到其所在邊[Vl，V2]的兩個頂點的距離，取距離最近的頂點作為該實際極值點；Vl和V2均為三維模型中的網格頂點。
7.如權利要求1所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述步驟(4)中進行隨機採樣的方法為:使用輪盤賭方法對三維模型表面主曲率沿主方向的極值點進行採樣，生成O到I之間的隨機數，如果該隨機數大於採樣頻率，則當前點被選中，否則該點未被選中；選中點的集合即為重要性採樣點集合，重要性採樣點法向量為三維模型表面主曲率沿主方向的極值點對應的頂點的法向量。
8.如權利要求1所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述步驟(5)中得到普通採樣點集合及其對應的普通採樣點法向集合的基本步驟如下: (1)計算組成三維模型表面的所有三角形面積，並將其存儲在數組中，數組元素下標為三角形的標號； (2)利用數組存儲的每個三角形的面積，計算從前往後的累積面積:即下標為i的數組元素值為前i個三角形面積的累加和，則數組最後一個元素的值為三維模型表面面積； (3)對數組元素值歸一化，即數組中所有元素值都除以最後一個元素的值； (4)使用輪盤賭方法對三維模型上的所有點採樣，生成O到I之間的隨機數，將隨機數與數組元素歸一化值進行匹配，找到該隨機數在數組中的位置，即確定是在哪個三角形內部取採樣點，隨機在該三角形內部生成點作為普通採樣點； (5)普通採樣點法向量的計算需要獲取該普通採樣點所在的三角形，對三角形的法向量按照三次線性插值方式計算。
9.如權利要求1所述的一種基於重要性採樣的三維模型自動化簡化方法，其特徵是，所述步驟(6)中使用基於緊支撐基函數的模型恢復方法，將簡化後的三維模型表達恢復為三維模型的方法為: (1)利用Wendaland緊支撐集RBF，將簡化後的三維模型中的採樣點及其法向量轉換為隱式曲面的函數表示形式； (2)隱式曲面函數的零等值面即為恢復的三維模型表面； (3)將隱式函數的零等值面使用移動立方體方法轉化為三維網格表面。
【文檔編號】G06T17/00GK103530472SQ201310508241
【公開日】2014年1月22日 申請日期:2013年10月24日 優先權日:2013年10月24日
【發明者】張桂娟, 陸佃傑, 劉弘 申請人:山東師範大學