We use cookies to improve your experience with our site.

基于特征敏感度量的保特征的网格简化

Feature Preserving Mesh Simplification Using Feature Sensitive Metric

  • 摘要: 1.本文的创新点
    网格简化是重要的模型处理算法,在高性能绘制与传输中起着重要作用。现有的网格简化算法很难在模型面片数量缩减比例大的条件下保持特征;以特征检测算法作为预处理的简化算法难以找到适用于所有模型的处理参数,且易造成特征区域保留面片数量与非特征区域差别过大,使模型外观不自然的问题。基于特征敏感度量,我们提出了一种保模型特征的网格简化算法。通过在六维的特征敏感空间中度量并选取收缩面,进而根据特征敏感度量计算待收缩面在六维空间中的最优收缩点,本文的算法可以在网格面片数量急剧下降后仍保持原模型的重要特征。同时,根据特征敏感参数化理论中的曲面扩张特性,本文设计了一种基于简单特征探测的特征带权方法,进一步完善了算法效果,参数意义简明适用面广。

    2.实现方法
    传统的网格简化方法通过度量待收缩位置与该次收缩所影响的面片的空间距离来决定简化算法中的优先级,这种度量方式并不考虑局部的曲率变化程度。我们将网格上的每一个顶点映射到一个特征敏感的六维空间,新顶点坐标由原像的空间位置与带权单位法矢量共同组成。通过计算六维空间内一点到嵌入在六维空间内的二维平面的特征敏感的距离,我们可以确定在六维空间中进行面收缩操作的优先级。
    由于网格顶点在三维欧式空间中任意位置的法向由其本身及相邻顶点的位置唯一确定,在这一特征敏感空间中求取最优收缩位置是带有约束的优化过程。为求解最优点,我们设计了一个分组优化的线性迭代,对六维向量中的空间位置部分与法矢量部分进行分别优化,以得到最优的收缩位置。
    为了进一步控制模型的特征保持,我们根据特征敏感度量的理论框架设计了一种简单有效的带权规则,来模拟基于特征敏感度量的参数化中尖锐边界膨胀的效应。该权值由顶点所处位置的平滑程度直接决定。

    3.结论及未来待解决的问题
    通过引入特征敏感度量,简化算法可以自然地在曲率较大的部分保留更多的三角面片;尖锐的边界也更加难以被简化。由于尖锐边界与弯曲部分的良好保持,原模型的整体轮廓得到更好的保持,这也降低了简化误差。由于算法整体框架仍保持与经典的QEM一致,且没有引入复杂的特征检测,使算法整体实现简单。
    由于算法在六维空间中进行,因此计算量比普通的三维问题有所增加。又由于在求解最优收缩点时需要引入迭代,使算法整体运行时间较普通简化算法更长。但随着近年来对网格简化算法加速的研究,许多相关技术可以应用于本算法。期望随着加速技术的引进可以使算法达到效果与效率的双赢。

    4.实用价值或应用前景
    本算法得到的简化网格可自然地在弯曲程度较大的区域留存更多的三角面片,并使尖锐边界更难被收缩。这一特性很有利于高效地绘制与传输大规模场景。对于以简化网格为基础的网格参数化、网格变形等工作,本算法产生的网格将更利于后续算法对特征部分的处理。

     

    Abstract: We present a new method for feature preserving mesh simplification based on feature sensitive (FS) metric. Previous quadric error based approach is extended to a high-dimensional FS space so as to measure the geometric distance together with normal deviation. As the normal direction of a surface point is uniquely determined by the position in Euclidian space, we employ a two-step linear optimization scheme %SOR (successive over-relaxation) to efficiently derive the constrained optimal target point. We demonstrate that our algorithm can preserve features more precisely under the global geometric properties, and can naturally retain more triangular patches on the feature regions without special feature detection procedure during the simplification process. Taking the advantage of the blow-up phenomenon in FS space, we design an error weight that can produce more suitable results. We also show that Hausdorff distance is markedly reduced during FS simplification.

     

/

返回文章
返回