三角网格模型的特征线提取

在反求工程中，散乱数据点云的曲面重构常采用三角网格模型，若将其转换成曲面实体模型则有更广泛的应用，从三角网格模型中提取特征线是转换过程中的重要步骤．在讨论反求工程中数据点云分块方法的基础上，采取“基于边”的方法来提取特征线：先提取特征点，再连接成特征线．根据相邻三角片的法矢夹角和各点主曲率是否为极值，分两次提取特征点，利用三角顶点加权和均匀化等方法减少狭长三角片对特征点提取的计算误差影响，再将特征点分组连接成B样条曲线．文中算法的结果可为B样条曲面分片拟合和建立B-rep曲面实体模型提供依据。     

基于视觉曲率估算的文物线图绘制方法

针对表面富含噪声的文物三维模型特征线的有效提取问题,分析了预处理阶段导致纹理细节丢失的原因,提出了一种基于视觉曲率估算的文物线图自动绘制方法。首先,对三角网格模型顶点的高度函数空间进行均匀采样,通过统计高度函数中极值点的个数,实现对模型顶点的视觉曲率估算;然后,根据多尺度约束下模型顶点的视觉曲率分布,将模型划分为平坦区域和特征区域;接着,依据考古领域均值对特征区域的顶点进行锐化滤波,计算出新的三角网格模型的顶点坐标;最后,对三角网格模型提取特征轮廓线,实现对文物线图的自动绘制。实验结果表明,基于视觉曲率的特征轮廓线在保留文物模型表面纹理细节的同时,有效避免了简单脊线/谷线法绘制线图呈现的尖锐现象。     

综合曲率约束的在线网格模型分割方法研究

针对现有三角网格模型块分割方法普遍存在计算复杂度高,无法体现工程意义,综合效果不理想,不满足Web环境下高效快速分割等问题,提出一种面向Web环境的简单高效的三角网格模型分割方法。根据高斯曲率和平均曲率特性划分出网格模型的凹区域,在凹区域中依据最小负曲率阈值提取凹特征区域,结合区域中心特征线提取方法以及边界线闭合和优化算法构造出闭合分割线,通过分割线将三角网格模型分割成有意义的分块。依托开源数字几何处理软件MeshLabJS,运用WebGL的几何处理及图形渲染功能,在普林斯顿标准数据集和COSEG形状数据集上进行算法测试,验证所提方法能够在Web环境下快速、高效、有意义地分割三维模型。     

结合边折叠和局部优化的网格简化算法

针对目前网格简化算法在将三维模型简化到较低分辨率时,网格模型的细节特征丢失、网格质量不佳的问题,提出一种保持特征的高质量网格简化算法。引入顶点近似曲率的概念,并将其与边折叠的误差矩阵结合,使得简化模型的细节特征在最大限度上得到保持。同时分析简化后三角网格的质量,对三角网格作局部优化处理,减少狭长三角形的数量,提高简化模型的网格质量。使用Apple模型和Horse模型进行实验,并与一种经典的基于边折叠的网格简化算法以及其改进算法之一进行对比。实验结果显示,两种对比算法三角网格分布过于均匀,局部细节模糊不清,而所提算法的三角网格在曲率大的区域稠密,在平坦处稀疏,细节特征清晰可辨;简化模型的几何误差的数量值与两种对比算法处于同一数量级;所提算法的简化网格的平均质量远高于两种对比算法。实验结果表明,在不扩大几何误差的情况下,所提算法不仅具有较强的细节特征保持能力,而且简化模型的网格质量较高,视觉效果较好。     

STL三角形网格模型曲面特征边的提取

针对STL网格模型曲面特征边识别困难的问题,提出一种基于边和面的特征边提取方法。首先遍历网格模型,自适应地获取二面角阈值并根据该阈值识别显性特征边;然后利用最小二乘法估算曲面上顶点的平均曲率,由此计算出三角形面片的近似曲率,并利用相邻三角形的曲率差值来判别其公共的隐性特征边是否为特征边,最后采用改进的断点处特征边提取算法形成完整的特征边界。实验结果表明该方法能够有效地提取STL网格模型曲面网格的特征边,具有很好的鲁棒性。     

基于三维点云模型的特征线提取算法

针对以往算法存在无法区分尖锐和非尖锐特征点、提取的特征点与视角有关、特征点未连线等问题, 提出一种基于高斯映射和曲率值分析的三维点云模型尖锐特征线提取算法。该算法先进行点云数据点的离散高斯映射, 并将映射点集聚类; 然后使用自适应迭代过程得到两个或多个面的相交线上曲率值和法向量发生突变的尖锐特征点, 这些点与视角无关; 最后, 用改进的特征折线生长算法, 将特征点连接, 得到光顺特征线。实验证明, 该算法具有良好的自适应性、抗噪性和准确性, 是一种有效的三维模型特征线提取算法。     

采用张量投票理论的三角网格特征边提取算法

识别与提取模型几何特征在几何模型的编辑处理中起着重要作用,然而大多数已有算法在处理质量较差的三角网格模型时往往会失效,为此提出一种基于张量投票理论的特征边提取算法.首先根据张量投票矩阵特征值分布与顶点几何特征之间的对应关系对顶点进行分类;采用断点连接方法来保证顶点分类过程中能够正确地区分平滑特征上的边点及角点;根据顶点的类别结果进行区域增长,并提取区域增长后的边界,从而得到网格特征边.实验结果表明,文中算法对大多数模型可靠有效,能够处理网格分布不均匀,以及含有狭长三角形或含有孔、缝的模型,处理有噪声的模型也能达到较好的效果.     

结合边分割的改进二次误差测度算法

为了有效解决二次误差测度算法(quadric error metrics, QEM)容易产生异常三角面、失去局部特征、几何结构异常等问题, 提出一种结合边分割的改进二次误差测度算法(quadric error mactrics with edge splitting, ESQEM). 该算法添加顶点高斯曲率作为边折叠代价之一, 通过参数调节模型特征保留情况; 添加边长查询机制, 对细长三角面进行边分割操作. ESQEM算法能有效维护网格模型高曲率区域特征、保持网格几何结构、消除狭长三角面, 简化后的模型有更好的视觉效果, 高简化率下的简化精度更高.     

智能配镜三维特征参数提取方法研究

摘 要：针对智能配镜中三维面部特征点提取算法复杂度较高的问题,提出一种将三维点 云转换为映射图像定位特征点的方法。采用 Voronoi 方法计算面部三角网格各顶点处的高斯曲 率、平均曲率。选取鼻尖、眼角等曲率特征明显的区域估计面部点云姿态。根据曲率旋转不变 性,使用初选的点云方向向量简化旋转矩阵的计算,使面部点云正面朝向视点。将点云映射转 换为图像,三维网格模型中三角面片一对一映射到图像中的三角形。搭建卷积神经网络,使用 Texas 3DFRD 数据集进行模型训练。进行人脸对齐,预测所得各面部特征点分别限制在图像某 三角形中。根据图像中三角形映射查找三维网格模型中对应三角面片,通过三角面片顶点坐标 计算配镜所需的面部特征点位置坐标,实现配镜特征参数的提取。     

保持细节几何特征的三维网格模型轻量化算法

对三维模型进行轻量化的一个重要策略是利用网格简化算法减少模型表面的三角面片数量，其中广泛使用的边折叠算法相较于其他网格简化算法效率更高、简化效果更好，然而该算法存在简化过程中可能损坏或丢失部分细节几何特征的问题。为了解决上述问题，提出通过增加曲线近似曲率和模型待折叠边的一阶邻域三角形的平均面积作为惩罚因子，以优化原始算法的边折叠代价。首先，根据几何中曲线曲率的定义，提出了曲线近似曲率的计算公式；其次，在顶点法向量的计算过程中，使用面积加权和内角加权两个阶段对初始法向量进行修正，从而考虑更加丰富的模型几何信息。通过实验验证了优化后算法的性能，与经典的二次误差测度（QEM）算法、顾及角度误差的网格简化算法相比，优化算法处理后的模型的最大误差分别至少降低了73.96%和49.77%；与QEM算法相比，优化算法处理后的模型Hausdorff距离至少降低了17.69%。可见，在模型轻量化的过程中，优化算法能够减少模型的形变，更好地维持自身的细节几何特征。