一种保持尖锐特征的3~(1/2)细分算法

提出一种能够重建模型尖锐特征的3细分算法.首先根据预设的阈值θ自动标记网格中的尖锐特征边,并计算出各个顶点的尖特征度;然后根据顶点尖特征度的不同修改原3细分方法的几何规则,设计出相应的权值掩模(mask);最后通过在奇数次细分时不翻转特征边,在偶数次细分时插入边点的方法来实现尖锐特征的重建.实验结果表明,与原3细分方法相比,该算法能够更好地保持模型的尖锐特征.     

一种保持尖锐特征的局部√3细分算法

提出一种重建模型尖锐特征的局部√3细分算法.在预处理过程中,只选取面向视点的网格作为能够被进一步自适应细分的网格,在自适应细分过程中,用相邻面片的法向夹角作为控制误差来反映细分的逼近程度是否足够,并根据预设的阈值θ自动标记网格中的尖锐特征边,重新设计尖锐特征处的面具.实验结果表明,该算法能够用较少的存储量有效地保持模型的尖锐特征.     

一种保持尖锐特征的局部 细分算法

提出一种重建模型尖锐特征的局部 细分算法。在预处理过程中，只选取面向视点的网格作为能够被进一步自适应细分的网格，在自适应细分过程中，用相邻面片的法向夹角作为控制误差来反映细分的逼近程度是否足够，并根据预设的阈值 自动标记网格中的尖锐特征边，重新设计尖锐特征处的面具。实验结果表明，该算法能够用较少的存储量有效地保持模型的尖锐特征。     

保持尖锐特征的混合细分曲面生成

基于混合细分模式,提出了细分曲面尖锐特征生成方法,通过对初始混合控制网格上要生成的各种尖锐特征的顶点和边分别作标记,然后局部修改细分规则进行迭代细分,实现了光滑混合曲面上产生折痕、角点、刺点、尖点的尖锐特征效果,并对尖锐特征处的局部细分矩阵进行了详细的特征分析。实验结果表明,该文算法效果好,能很好地保持模型的尖锐特征。     

一种改进的六角形砍边细分方法

研究了六角形网格上的曲面细分算法,改进了六角形网格砍边细分算法.在六边形网格的砍边细分过程中,利用对偶砍角法对非六角形网格进行六角形网格化预处理,然后通过计算相邻两个面片的夹角,根据预先设置的阈值,自动对初始混合控制网格上具有尖锐特征的顶点和边分别作标记,然后对这些标记过的边和点进行特殊处理,局部修改细分规则进行迭代细分.实验结果表明,该算法效果好,能更好地保持原始模型的特征.     

基于顶点重要度的保形网格简化方法研究

为解决许多网格简化方法不能很好地保持模型的重要几何特征问题,提出基于顶点重要度和三角剖分的边折叠简化算法.算法通过特征因子加权顶点重要度作为边的折叠代价,定义法向量夹角因子,控制边的折叠顺序;在折叠过程中对边界特征区域进行冻结处理,以保持模型总体轮廓特征;采用边中点折叠和边邻域网格重建方法完成折叠操作.实验结果表明,模型在大规模简化后,该方法能较好地保持模型的几何特征.     

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.     

两步平滑的尖边恢复新算法

提出了一个简单的,能有效去除噪声,并且能很好保持网格特征的尖边恢复算法.该算法先通过两步滤波网格平滑,去除噪声;然后通过二面角识别出平滑区域和非平滑区域,借助定义动态三角形并将其细分,最后计算相邻的三角形的法矢量,以此来确定插入顶点的坐标.处理后能明显降低L2的误差.在该算法里,主要提出了一个动态三角形的概念.由于有了动态三角形的帮助,该算法能够较好的鉴别出尖边,并对尖边进行恢复,实验结果表明了算法的有效性.     

基于特征点检测的最佳视点选择方法

针对三维模型视点选择问题,提出了基于特征点检测的最佳视点选择方法。算法首先根据三维网格模型的顶点邻接区域信息计算顶点的局部高度,即顶点的显著度大小;然后基于顶点的局部高度值大小,结合非极大值抑制算法进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分布信息,计算视点质量,从而筛选出最佳视点。实验结果验证了基于特征点检测的三维模型视点选择方法的合理性和优越性,所选择的最佳视点能够提供三维模型较多的几何结构和视觉特征信息。     

基于特征点检测的三维模型最佳视点选择

针对三维模型最佳视点选择问题,提出了一种基表面特征点检测的视点选择算法。首先引入一种基于局部平均形心距离差的顶点显著性度量方法,认为三维网格模型表面某顶点的显著性是由该顶点与形心之间距离和该顶点邻域内的顶点与形心之间距离的平均差值来刻画,而不是该点所在位置的弯曲程度所决定;然后根据顶点的显著性大小进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分布和显著度大小计算视点质量,提取出最佳视点。实验结果验证了基于三维模型特征点的视点选择方法的有效性,在能够选择出质量较优的视点的同时保证算法的效率。     

视觉特征保持的网格模型简化算法

针对二次误差测度算法存在几何特征消失等缺陷,提出了基于顶点视觉特 征度的新的网格模型简化算法。该算法采用半边折叠,通过引入顶点视觉特征度来优化了二 次误差测度,从而改变边折叠的顺序,使模型中的突出视觉特征更多的被保留下来。视觉特 征度通过顶点平均曲率熵来定义,它反映了顶点中心区域的视觉变化情况。实验表明,该算 法高效、可靠、能很好保持模型的视觉特征。     

综合平均曲率与网格边的特征线提取方法

随着数字几何获取技术的发展,大量的复杂形体采用网格模型表示。而网格模型的特征线或特征边缘的识别和提取是后续开展几何和特征识别的基础工作,为此提出一种综合平均曲率与网格边的三角网格模型特征线提取方法。分两次提取:首先利用三角面片法矢夹角大小对模型中的尖锐边进行初次提取特征点;然后综合平均曲率与网格边的关系对特征点进行二次提取;最后用两次提取边的顶点作为特征点,进行分类分组处理拟合成特征线。经过实例验证,该算法可以快速地提取尖锐边和过渡边等,具有很好的提取效果。     

具有特殊效果的混合细分方法

提出了基于三角形和四边形的混合控制网格的细分曲面尖锐特征、半尖锐特征生成和控制方法,避免了已有方法仅局限于初始控制网格为单一的三角形或单一的四边形网格的缺陷.通过局部修改混合细分规则,在光滑混合曲面上产生了刺、尖、折痕、角的尖锐特征效果,并对尖锐特征处局部细分矩阵进行了详细的特征分析,讨论了极限曲面的收敛性及光滑性.同时,用特征处的离散曲率来控制特征处的尖锐程度,实现了半尖锐的特征效果,并通过自适应细分方法,把尖锐特征、半尖锐特征的生成统一起来.该方法具有多分辨率表示能力强、局部性好、简单易操作的特点.实验结果表明,该算法效果好,成功地解决了混合曲面特殊效果生成问题.     

自适应分割的动态网格生成算法

提出一种基于半边数据结构的动态网格自适应分割生成算法．根据曲面尖锐特征对网格模型自适应分割;为满足分割边界的简化要求,提出一种利用半边数据结构的分割边界独立处理算法;并利用边界自适应加权函数,较好地保持了模型边界特征．应用实例表明,该算法高效、可靠,既保持模型细节特征,又减少了模型简化误差．     

保特征的单幅图像三维网格重建EI北大核心CSCD

针对图像重建三维物体方法中存在无法保持物体尖锐特征的问题,基于深度神经网络,对输入单幅图像提出一种有效的保特征三维网格生成方法.对单幅输入图像使用VGG-16提取图像特征,并特别设计了图像边缘检测层获取物体的尖锐特征;将三维网格(初始为椭球)的顶点投影到特征图和边缘检测图上,以获得顶点局部特征,并判断其是否为尖锐特征点;然后,将局部特征和顶点位置串联输入到改进的图卷积神经网络(graph convolutional neural network, GCNN),对于非尖锐特征点采用普通GCNN,对于检测到的尖锐特征点采用0邻域图卷积神经网络(0-neighborhood GCNN, 0N-GCNN),以期其尽量不被邻域顶点过度光滑;GCNN的输出预测了顶点的新位置和三维特征;最后,对网格的顶点及特征用Loop细分上采样.执行3次上述变形(二维特征投影、尖锐特征检测、GCNN变形、上采样)后,初始椭球最终变形为输入图像中物体模样.实验使用ShapeNet数据集,在PyTorch框架下实现,从定性和定量两方面与现有方法进行了比较.实验结果表明,在Chamfer距离和F-score两类定量指标上均优于大部分现有方法,而Chamfer距离和F-score(2τ)的均值表现为最优.视觉比较也表明,文中方法可有效地提升特征保持性能.     

基于特征检测的曲面分片构造方法

目前主流曲面分片构造法大多无法直接应用于具有尖锐特征的目标表面重建。针对该问题,提出一种新的曲面分片构造方法。通过建立目标表面采样点的空间三角网格模型,对网格模型进行特征检测,根据特征检测结果计算网格顶点法向量集,并基于顶点空间坐标和法向量集进行分片二次曲面插值,实现目标表面三维重建。实验结果表明,该方法重建表面达到C~0连续,满足可视化等应用要求,相对主流算法,信噪比提高2倍以上,均方误差至少降低1个数量级。     

保持特征的对偶网格构造方法

针对对偶网格萎缩现象,提出一种基于全局能量优化的对偶网格构造方法.该方法从重建原始网格、保持原网格形状和对偶网格质量修正3个角度建立能量优化模型,并通过求解稀疏线性方程组得到对偶网格的顶点位置;得益于该方法的重建能量约束,利用重构约束矩阵与对偶网格顶点位置可以很快地重建原始网格.实验结果表明,文中方法避免了网格萎缩现象,且适用于任何拓扑结构的模型;基于该方法的网格编辑算法可以很好地保持原始网格的几何形状特征.     

基于三角形折叠的特征保留策略

在简化的过程,为了较好的保持三维模型的外观和保留其特征部分,本文提出了一个基于顶点相邻三角形单位法向量差值的绝对值之和的方法.识别出模型的特征三角形;根据点的邻接三角形和邻接边的个数差异识剐出边界三角形.实验证明.这两种特征保留的策略在基于三角形折叠的简化算法中可有效保持模型外观.     

面向CAE 的网格模型特征简化与重建

针对CAE工程分析中网格模型的特点,提出了一种符合CAE特点的网格模型特征重建方法。鉴于CAD模型中的设计细节在CAE分析中可以忽略的特点,对CAD模型中的小圆角、倒角、小凸台等非结构性设计特征,采用基于面片法矢迭代滤波方法进行识别和滤除。算法首先识别出这些特征区域,然后根据非特征区域面片法矢调整特征区域法矢并更新顶点坐标,进行特征重建,最终得到符合CAE要求的网格模型。     

网格曲面特征的稀疏性优化检测算法

针对现有的特征检测算法大多数基于微分几何量,对噪声比较敏感、运行速度比较慢、对于过渡特征处理得不够理想的问题,提出一种基于稀疏性优化的网格特征检测算法.该算法主要包括3个过程:首先利用带l1范数稀疏性约束项和l2范数误差项的Laplacian能量函数对网格进行光顺,得到光顺后网格顶点的移动距离;然后根据顶点的移动距离提取初始特征点;最后对提取的特征点进行后处理,使得特征点更为完整.其中,l1范数稀疏性约束项用来约束发生移动点的数目;l2范数的误差约束项用来控制光顺后模型的退化程度.该算法易于实现,能够处理尖锐特征、弱特征和过渡特征.与基于微分几何量的特征提取方法相比,文中算法不仅简单有效、运行时间短,而且提取的特征线也更好.