点模型的面元简化方法

为有效地简化稠密采样点模型,提出了一种基于面元（surfel）重建的点模型简化方法。该算法首先对每个采样点面元的初始半径进行估算,并同时根据曲率的变化确定每个面元的简化权值;然后采用surfel合并的方法来聚合、减少surfel图元的数量,按照计算的surfel权值,确定surfel合并的顺序,合并并重建成一个新的surfel,合并过程中判断误差是否满足要求,满足则合并成功。如此迭代,直到surfel合并引起的误差达到阈值或surfel权值达到某个给定值。实验结果表明该算法能有效减少稠密采样点模型的点数,且在相同误差控制下简化率高于一般的基于纯采样点的简化算法;同时,简化模型能很好地保持原始模型的几何形状,防止简化后表面空洞现象的产生。     

点模型的面元重建和简化

为了有效简化稠密采样点模型，提出了一个面元重建和几何简化算法.该算法在每个采样点附近重建一个函数曲面，根据给定误差得到置信邻域，重新计算函数曲面，得到更大的置信邻域，如此反复迭代，产生一个具有最大置信邻域，并在更大范围内逼近原模型的面元.采用面元简化方法对点模型进行简化，删除了相互重叠而形成的冗余面元，从空面元集开始，每次选出一个最佳面元添加到该集，直到该集完全覆盖原模型表面.实验结果表明，在一定误差控制下，该算法能有效减少稠密采样点模型的点数,简化模型能很好地保持原始模型的几何形状.     

采样点模型的布尔运算

提出了一种快速而鲁棒的点模型布尔运算算法.在进行布尔运算之前,首先将点模型中的每个点表示成具有一定半径的面元,并确定它相对于另一个模型表面的内、外及相交关系;然后对相交面元进行全局误差控制下的自适应加密重采样,以求取交线;为了加速面元的内、外及相交关系的检测,对每个模型建立层次结构k-d树.实验结果表明,该方法对于具有不同分辨率以及采样不均匀的点模型也能进行稳定可靠的布尔运算.     

参数曲面点元离散求交法

提出了一种基于点元的参数曲面求交交互式新算法。该算法在参数曲面上进行自适应的离散点元采样,将点元组织为空间八叉树结构进行求交运算,最后进行交点排序并得到最终的求交结果。与以往的参数曲面求交方法相比,本算法更简单高效。实验结果表明,本算法稳定可靠,误差可控,而且可以达到交互速度。