基于laplacian坐标修正的(√3)细分法

根据原始网格对细分极限曲面的影响分析,提出了基于laplacian坐标修正的(√3)插值网格细分方法.通过插值出面片中心点的laplacian坐标,来对动态生成的中心点进行修正,达到保持原始网格细节的目的.在非封闭网格的边界面片细分方面,指出了原始(√3)细分法的不足,提出了一种新的边界统一细分模式,它可以很好地控制边界面片的增长,而且具有稳定性和易于操作性.实验结果表明,该方法不仅能够让原始网格的细节在极限曲面上得到表达,而且可以得到一个连续光滑的曲面网格.     

基于laplacian坐标修正的3~(1/2)细分法

根据原始网格对细分极限曲面的影响分析,提出了基于laplacian坐标修正的3~(1/2)插值网格细分方法。通过插值出面片中心点的laplacian坐标,来对动态生成的中心点进行修正,达到保持原始网格细节的目的。在非封闭网格的边界面片细分方面,指出了原始3~(1/2)细分法的不足,提出了一种新的边界统一细分模式,它可以很好地控制边界面片的增长,而且具有稳定性和易于操作性。实验结果表明,该方法不仅能够让原始网格的细节在极限曲面上得到表达,而且可以得到一个连续光滑的曲面网格。     

插值型Catmull-Clark曲面的实现

Catmull-Clark细分是一种逼近型细分方法,它的极限曲面并不插值初始点。通过对Catmull-Clark细分矩阵进行分析,给出了一种插值条件。通过求解插值条件,得到一个新的网格,对这个网格应用Catmull-Clark细分,其极限曲面插值初始网格的控制顶点。最后对极限曲面的形状进行了讨论。     

用逼近型√3细分方法构造闭三角网格的插值曲面

为了避免用逼近型3~(1/2)细分方法构造插值曲面过程中出现的烦琐运算,利用3细分方法极限点计算公式,提出一种用逼近型3~(1/2)细分方法构造闭三角网格插值曲面的方法.给定待插值的闭三角网格,先用一个新的几何规则与原3~(1/2)细分方法的拓扑规则细分一次得到一个初始网格,用3~(1/2)细分方法细分该初始网格得到插值曲面;新几何规则根据极限点公式确定,保证了初始网格的极限曲面插值待插值的三角网格.由于初始网格的顶点仅与待插值顶点2邻域内的点相关,所以插值曲面具有良好的局部性,即改变一个待插值点的位置时,只影响插值曲面在其附近的形状.该方法中只有确定初始网格顶点的几何规则与原3细分方法不同,故易于整合到原有的细分系统中.实验结果表明,该方法具有计算简单、有充分的自由度调整插值曲面的形状等特点,使得利用3~(1/2)细分方法构造三角网格的插值曲面变得极其简单.     

基于非均匀Catmull-Clark细分方法的曲线插值

带有复杂型曲线插值约束的细分曲面的生成,是计算机图形学及几何造型技术等领域所关心的一个问题.鉴于此,提出了一种高效的可以插值三次NURBS曲线的细分曲面生成方法.只需在被插值曲线的控制多边形两侧构造具有对称性质的四边形,构成对称网格带;证明了对该对称网格带应用Sederberg等人提出的非均匀Catmull-Clark细分规则以后,它将收敛于这条被插值曲线.因此,含有这种对称网格带的多面体网格的细分极限曲面即为满足曲线插值约束的细分曲面.应用该方法,既可以插值单条NURBS曲线,也可以插值由多条NURBS曲线组成的曲线网格.因此,该方法广泛适用于产品外形和图形软件设计.     

曲线插值约束的LOOP细分曲面

提出基于Loop细分方法的曲线插值方法,不需要修改细分规则,只需以插值曲线的控制多边形为中心多边形,向其两侧构造对称三角网格带,该对称三角网格带将收敛于插值曲线。因此,包含有该三角网格带的多面体网格的极限曲面将经过插值曲线。若要插值多条相交曲线只需在交点处构造全对称三角网格。运用该方法可在三角网格生成的细分曲面中插值多达六条的相交曲线。     

三角网格的自适应细分研究

提出面向三角网格全局细分和局部自适应的细分算法。在原三角网格模型上计算每个面片的中心坐标,据此生成的中心坐标点作为新的顶点坐标进行重新绘制得到三角基网格,然后进行多次迭代,达到基本的全局细分目标。在最后生成的基网格上,可以通过调节最大网格面积和平均网格面积之间的比例系数等,来得到更加均匀的三角网格。实验表明该方法能到得到质量较高的细分结果。     

基于形状控制的细分曲面的局部渐进插值方法

提出一种基于形状控制的 Catmull-Clark 细分曲面构造方法,实现局部插值任意拓扑的四边形网格顶点。首先该方法利用渐进迭代逼近方法的局部性质,在初始网格中选取若干控制顶点进行迭代调整,保持其他顶点不变,使得最终生成的极限细分曲面插值于初始网格中的被调整点;其次该方法的 Catmull-Clark 细分的形状控制建立在两步细分的基础上,第一步通过对初始网格应用改造的 Catmull-Clark 细分产生新的网格,第二步对新网格应用 Catmull-Clark 细分生成极限曲面,改造的 Catmull-Clark 细分为每个网格面加入参数值,这些参数值为控制局部插值曲面的形状提供了自由度。证明了基于形状控制的 Catmull-Clark 细分局部渐进插值方法的收敛性。实验结果验证了该方法可同时实现局部插值和形状控制。     

表驱动的细分曲面GPU绘制

为了充分利用GPU的并行计算能力高效地绘制递归定义的细分曲面,提出一种基于GPU的面分裂细分曲面的实时绘制算法.该算法通过离线预计算生成可以复用的细分查找表,它由细分矩阵组成,其大小仅与奇异点度数和最大细分深度线性相关,与输入网格无关;对于细分曲面控制网格的每个曲面片,如果包含2个或2个以上奇异点,则进行一次局部预细分;之后对于不规则曲面片,利用细分查找表由初始控制网格直接计算得到各细分层次上的控制顶点,无需逐层计算,从而最大限度地发挥GPU的并行处理能力;最后对各层次上的规则曲面片使用硬件细分着色器绘制,大大提高绘制效率.实验结果表明,文中算法可以高效地绘制细分曲面的极限曲面.     

细分曲面拟合的局部渐进插值方法

逼近型细分方法生成的细分曲面其品质要优于插值型细分方法生成的细分曲面.然而,逼近型细分方法生成的细分曲面不能插值于初始控制网格顶点.为使逼近型细分曲面具有插值能力,一般通过求解全局线性方程组,使其插值于网格顶点.当网格顶点较多时,求解线性方程组的计算量很大,因此,难以处理稠密网格.与此不同,在不直接求解线性方程组的情况下,渐进插值方法通过迭代调整控制网格顶点,最终达到插值的效果.渐进插值方法可以处理稠密的任意拓扑网格,生成插值于初始网格顶点的光滑细分曲面.并且经证明,逼近型细分曲面渐进插值具有局部性质,也就是迭代调整初始网格的若干控制顶点,且保持剩余顶点不变,最终生成的极限细分曲面仍插值于初始网格中被调整的那些顶点.这种局部渐进插值性质给形状控制带来了更多的灵活性,并且使得自适应拟合成为可能.实验结果验证了局部渐进插值的形状控制以及自适应拟合能力.     

基于逆3 细分的渐进网格生成算法研究

提出一种基于逆3 细分的渐进网格生成算法,用于解决图形的快速传输和显示问 题。算法的基本思路是：将细密网格通过边折叠操作得到简化网格,以细分极限点逼近原始网 格为准则进行网格调整,采用3 细分得到高密度网格,调整后进行逆3 细分,即逐层次删除 部分顶点,生成用于重构渐进网格模型的基网格,并记录每层删除顶点在采用本层表示时相对 于细分计算位置的几何调整量。3 细分过程中三角片数量增长速度较慢,采用逆3 细分利于 生成多层次的渐进网格,经实例验证,逆3 细分生成渐进网格的效果能满足快速、多分辨率显 示要求。     

基于表面粗糙度的三维模型质量评价研究

数字水印的嵌入会引起三维模型数据的失真,正确评价含水印三维模型的质量可以为三维水印算法的测评提供统一标准。提出了一种新的三维模型质量的评价方法,它首先利用网格模型中二面角为基本度量单位计算出整个原始三维模型的粗糙度,然后在嵌入水印以后用同样的方法计算出含水印三维模型的粗糙度,最后得到嵌入水印前后粗糙度的增量,并将其作为水印嵌入对三维模型造成的失真度的度量。大量实验结果表明,相比传统的质量评价方法,该方法更加适用于三维网格模型。该质量评价方法还可用于评价各种水印攻击对含水印三维模型造成损害的程度。     

Conjugate-Gradient Progressive-Iterative Approximation for Loop and Catmull-Clark Subdivision Surface Interpolation

Loop and Catmull-Clark are the most famous approximation subdivision schemes, but their limit surfaces do not interpolate the vertices of the given mesh. Progressive-iterative approximation (PIA) is an efficient method for data interpolation and has a wide range of applications in many fields such as subdivision surface fitting, parametric curve and surface fitting among others. However, the convergence rate of classical PIA is slow. In this paper, we present a new and fast PIA format for constructing interpolation subdivision surface that interpolates the vertices of a mesh with arbitrary topology. The proposed method, named Conjugate-Gradient Progressive-Iterative Approximation (CG-PIA), is based on the Conjugate-Gradient Iterative algorithm and the Progressive Iterative Approximation (PIA) algorithm. The method is presented using Loop and Catmull-Clark subdivision surfaces. CG-PIA preserves the features of the classical PIA method, such as the advantages of both the local and global scheme and resemblance with the given mesh. Moreover, CG-PIA has the following features. 1) It has a faster convergence rate compared with the classical PIA and W-PIA. 2) CG-PIA avoids the selection of weights compared with W-PIA. 3) CG-PIA does not need to modify the subdivision schemes compared with other methods with fairness measure. Numerous examples for Loop and Catmull-Clark subdivision surfaces are provided in this paper to demonstrate the efficiency and effectiveness of CG-PIA.     

Single-rate near lossless compression of animated geometry

Representing mesh geometry in local rather than the world coordinate systems is very useful in many 3D animation processing applications. One can investigate the representation of vertex locations relative to a local coordinate frame (LCF) in the compression of dynamic 3D meshes. Unlike the world coordinates, which scatter in a wide range and show non-linear behavior of the vertices, the local coordinates exhibit a large clustering behavior of the vertex over time. This property is very useful for exploiting a large coherence over the vertex trajectory and between neighboring vertices. In this paper, we discuss the use of the LCF in static and animated mesh encoding and we introduce a new connectivity-guided predictive scheme for single-rate compression for animated meshes. The proposed geometry encoding strategy is based on a region growing encoding order, and only the differences between original and predicted locations are encoded in a local coordinate system, which splits into two tangential and one normal components. The approach is simple, efficient, and well-suited for real time applications.     

面向移动计算终端的渐进几何简化方法

在移动计算终端上进行移动三维图形计算是一个重要的课题.针对移动计算终端屏幕小、计算能力低、无线网络带宽受限等特点,研究如何进行移动三维图形的渐进显示具有十分重要的意义.提出了利用Kobbelt四边形细分算法的逆过程迭代地进行简化的方法,通过迭代地把模型分割为奇点和作为简化模型的偶点,实现了对四边形网格几何模型的渐进式简化;提出了渐进显示的模式,通过把每一层的奇点作为可添加的细节信息,可以支持在终端上渐进显示不同细节模型并实现原模型的无损还原.完整的简化方法简单快速,可以高效地实现移动三维图形的渐进简化显示.最后在型号为Mio 336的PDA上的实验结果表明,研究成果在移动计算终端上进行实时交互等方面具有很好的应用前景.     

Fast Mesh Reconstruction from Single View Based on GCN and Topology Modification

3D reconstruction based on single view aims to reconstruct the entire 3D shape of an object from one perspective. When existing methods reconstruct the mesh surface of complex objects, the surface details are difficult to predict and the reconstruction visual effect is poor because the mesh representation is not easily integrated into the deep learning framework; the 3D topology is easily limited by predefined templates and inflexible, and unnecessary mesh self-intersections and connections will be generated when reconstructing complex topology, thus destroying the surface details; the training of the reconstruction network is limited by the large amount of information attached to the mesh vertices, and the training time of the reconstructed network is too long. In this paper, we propose a method for fast mesh reconstruction from single view based on Graph Convolutional Network (GCN) and topology modification. We use GCN to ensure the generation of high-quality mesh surfaces and use topology modification to improve the flexibility of the topology. Meanwhile, a feature fusion method is proposed to make full use of the features of each stage of the image hierarchically. We use 3D open dataset ShapeNet to train our network and add a new weight parameter to speed up the training process. Extensive experiments demonstrate that our method can not only reconstruct object meshes on complex topological surfaces, but also has better qualitative and quantitative results.