基于重要性采樣的三維模型自動化簡化方法
【專利摘要】本發(fā)明公開了一種基于重要性采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征、對三維模型的重要性幾何特征進行自動化提取、簡化后三維模型的表達與恢復(fù)。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，對重要性幾何特征如褶皺、尖角、鑿痕、邊界等進行有效量化。對具有重要性幾何特征的區(qū)域，使用更大的采樣概率獲取采樣點，而其他區(qū)域則使用較小的采樣概率，獲取采樣點。故簡化模型中的采樣點集能夠在有效保持褶皺、尖角、鑿痕、邊界等幾何特征的基礎(chǔ)上，極大減少網(wǎng)格模型頂點數(shù)。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】基于重要性采樣的三維模型自動化簡化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種三維模型的簡化方法，尤其涉及一種基于重要性采樣的三維模型自動化簡化方法。
【背景技術(shù)】
[0002]三維模型在工業(yè)制造、建筑設(shè)計、產(chǎn)品展示、醫(yī)學、電子商務(wù)、軍事模擬仿真及影視娛樂等方面有著廣泛的應(yīng)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復(fù)雜度方向發(fā)展。而更具真實感和復(fù)雜性的三維模型導(dǎo)致三角形面片數(shù)量劇增、數(shù)據(jù)量越來越龐大，遠遠超出了圖形硬件的交互處理和網(wǎng)絡(luò)實時傳輸?shù)哪芰?。因此，如何在保持原始模型特征的情況下對三維模型進行簡化從而實現(xiàn)對復(fù)雜模型的快速處理成為當前的研究熱點。傳統(tǒng)的三維模型簡化方法不能對模型的褶皺、尖角、鑿痕、邊界等特征進行有效的簡化。

【發(fā)明內(nèi)容】

[0003]本發(fā)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(shè)計、計算機動畫等應(yīng)用領(lǐng)域中的處理效率，為進一步拓展其應(yīng)用領(lǐng)域和范圍奠定理論基礎(chǔ)。
[0004]為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:
[0005]一種基于重要性采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征，即所述三維模型中曲率變化大的特征區(qū)域。
[0008](3)對三維模型的重要性幾何特征的自動化提取。
[0009](4)設(shè)定重要性采樣概率，根據(jù)設(shè)定的重要性采樣概率對提取到的三維模型重要性幾何特征中的點進行隨機采樣，得到重要性采樣點集合及其對應(yīng)的重要性采樣點法向集
口 o
[0010](5)設(shè)定普通模型點的采樣概率，普通模型點的采樣概率值小于重要性采樣概率；利用普通模型點采樣概率對三維模型表面上所有的點進行隨機采樣，得到普通采樣點集合及其對應(yīng)的普通采樣點法向集合。
[0011](6)重要性采樣點集合及其法向集合、普通采樣點集合及其法向集合的并集即為簡化后的三維模型表達式。
[0012](7)使用基于緊支撐基函數(shù)的模型恢復(fù)方法，將簡化后的三維模型表達恢復(fù)為三維模型。
[0013]所述步驟(2)中三維模型的重要性幾何特征定義為褶皺、尖角、鑿痕、邊界等曲率變化大的特征區(qū)域。[0014]所述步驟(3)中對三維模型的重要性幾何特征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(zhuǎn)換為隱式曲面的函數(shù)
F(X)。
[0016](2)利用三維模型的隱式曲面函數(shù)計算該模型中每個網(wǎng)格頂點V處主曲率k沿主方向的導(dǎo)數(shù)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(yōu)化，刪除對重要性幾何特征影響小的極值點，保留影響大的極值點。
[0019]所述隱式曲面的函數(shù)F(X)為:
「0020]
【權(quán)利要求】
1.一種基于重要性采樣的三維模型自動化簡化方法，其特征是，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征，即所述三維模型中曲率變化大的特征區(qū)域； (3)對三維模型的重要性幾何特征的自動化提?。? (4)設(shè)定重要性采樣概率，根據(jù)設(shè)定的重要性采樣概率對提取到的三維模型重要性幾何特征中的點進行隨機采樣，得到重要性采樣點集合及其對應(yīng)的重要性采樣點法向集合； (5)設(shè)定普通模型點的采樣概率，普通模型點的采樣概率值小于重要性采樣概率；利用普通模型點采樣概率對三維模型表面上的點進行隨機采樣，得到普通采樣點集合及其對應(yīng)的普通采樣點法向集合； (6)重要性采樣點集合及其法向集合、普通采樣點集合及其法向集合的并集即為簡化后的三維模型表達式； (7)使用基于緊支撐基函數(shù)的模型恢復(fù)方法，將簡化后的三維模型表達恢復(fù)為三維模型。
2.如權(quán)利要求1所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述步驟(2)中三維模型的重要性幾何特征定義為曲率變化大的褶皺、尖角、鑿痕、邊界特征區(qū)域。
3.如權(quán)利要求1所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述步驟(3)中對三維模型的重要性幾何特征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(zhuǎn)換為隱式曲面的函數(shù)F(x)； (2)利用三維模型的隱式曲面函數(shù)計算該模型中每個網(wǎng)格頂點V處主曲率k沿主方向的導(dǎo)數(shù)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(yōu)化，刪除對重要性幾何特征影響小的極值點，保留影響大的極值點。
4.如權(quán)利要求3所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述隱式曲面的函數(shù)F(X)為:
5.如權(quán)利要求3所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述計算頂點V處主曲率k沿主方向的導(dǎo)數(shù)emax和emin的方法為:
6.如權(quán)利要求3或5所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，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(jù)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(wǎng)格頂點。
7.如權(quán)利要求1所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述步驟(4)中進行隨機采樣的方法為: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采樣，生成O到I之間的隨機數(shù)，如果該隨機數(shù)大于采樣頻率，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采樣點集合，重要性采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(yīng)的頂點的法向量。
8.如權(quán)利要求1所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述步驟(5)中得到普通采樣點集合及其對應(yīng)的普通采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，并將其存儲在數(shù)組中，數(shù)組元素下標為三角形的標號； (2)利用數(shù)組存儲的每個三角形的面積，計算從前往后的累積面積:即下標為i的數(shù)組元素值為前i個三角形面積的累加和，則數(shù)組最后一個元素的值為三維模型表面面積； (3)對數(shù)組元素值歸一化，即數(shù)組中所有元素值都除以最后一個元素的值； (4)使用輪盤賭方法對三維模型上的所有點采樣，生成O到I之間的隨機數(shù)，將隨機數(shù)與數(shù)組元素歸一化值進行匹配，找到該隨機數(shù)在數(shù)組中的位置，即確定是在哪個三角形內(nèi)部取采樣點，隨機在該三角形內(nèi)部生成點作為普通采樣點； (5)普通采樣點法向量的計算需要獲取該普通采樣點所在的三角形，對三角形的法向量按照三次線性插值方式計算。
9.如權(quán)利要求1所述的一種基于重要性采樣的三維模型自動化簡化方法，其特征是，所述步驟(6)中使用基于緊支撐基函數(shù)的模型恢復(fù)方法，將簡化后的三維模型表達恢復(fù)為三維模型的方法為: (1)利用Wendaland緊支撐集RBF，將簡化后的三維模型中的采樣點及其法向量轉(zhuǎn)換為隱式曲面的函數(shù)表示形式； (2)隱式曲面函數(shù)的零等值面即為恢復(fù)的三維模型表面； (3)將隱式函數(shù)的零等值面使用移動立方體方法轉(zhuǎn)化為三維網(wǎng)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(yōu)先權(quán)日:2013年10月24日
【發(fā)明者】張桂娟, 陸佃杰, 劉弘 申請人:山東師范大學