基于重要性采样的三维模型自动化简化方法
【专利摘要】本发明公开了一种基于重要性采样的三维模型自动化简化方法，包括以下步骤：定义三维模型的重要性几何特征、对三维模型的重要性几何特征进行自动化提取、简化后三维模型的表达与恢复。上述自动化三维模型简化方法，通过三维模型表面主曲率在主方向的极值点，对重要性几何特征如褶皱、尖角、凿痕、边界等进行有效量化。对具有重要性几何特征的区域，使用更大的采样概率获取采样点，而其他区域则使用较小的采样概率，获取采样点。故简化模型中的采样点集能够在有效保持褶皱、尖角、凿痕、边界等几何特征的基础上，极大减少网格模型顶点数。具有简化程度高、模型精度好、简化过程高效等特点。
【专利说明】基于重要性采样的三维模型自动化简化方法
【技术领域】
[0001]本发明涉及一种三维模型的简化方法，尤其涉及一种基于重要性采样的三维模型自动化简化方法。
【背景技术】
[0002]三维模型在工业制造、建筑设计、产品展示、医学、电子商务、军事模拟仿真及影视娱乐等方面有着广泛的应用。随着人们对这些方面的要求越来越高，三维模型向着更具真实感和更高复杂度方向发展。而更具真实感和复杂性的三维模型导致三角形面片数量剧增、数据量越来越庞大，远远超出了图形硬件的交互处理和网络实时传输的能力。因此，如何在保持原始模型特征的情况下对三维模型进行简化从而实现对复杂模型的快速处理成为当前的研究热点。传统的三维模型简化方法不能对模型的褶皱、尖角、凿痕、边界等特征进行有效的简化。
【发明内容】
[0003]本发明的目的就是为了解决上述问题，提出了 一种自动化、高精度、高效的三维模型简化方法。该方法通过对三维模型的简化，有效提高其在实时计算机图形学、计算机辅助设计、计算机动画等应用领域中的处理效率，为进一步拓展其应用领域和范围奠定理论基础。
[0004]为了实现上述目的，本发明采用如下技术方案:
[0005]一种基于重要性采样的三维模型自动化简化方法，包括以下步骤:
[0006]( I)输入待简化的三维模型。
[0007](2)定义所述三维模型的重要性几何特征，即所述三维模型中曲率变化大的特征区域。
[0008](3)对三维模型的重要性几何特征的自动化提取。
[0009](4)设定重要性采样概率，根据设定的重要性采样概率对提取到的三维模型重要性几何特征中的点进行随机采样，得到重要性采样点集合及其对应的重要性采样点法向集
口 o
[0010](5)设定普通模型点的采样概率，普通模型点的采样概率值小于重要性采样概率；利用普通模型点采样概率对三维模型表面上所有的点进行随机采样，得到普通采样点集合及其对应的普通采样点法向集合。
[0011](6)重要性采样点集合及其法向集合、普通采样点集合及其法向集合的并集即为简化后的三维模型表达式。
[0012](7)使用基于紧支撑基函数的模型恢复方法，将简化后的三维模型表达恢复为三维模型。
[0013]所述步骤(2)中三维模型的重要性几何特征定义为褶皱、尖角、凿痕、边界等曲率变化大的特征区域。[0014]所述步骤(3)中对三维模型的重要性几何特征进行自动提取的基本步骤如下:
[0015](I)利用Wendaland紧支撑集RBF，将三维模型的表面转换为隐式曲面的函数
F(X)。
[0016](2)利用三维模型的隐式曲面函数计算该模型中每个网格顶点V处主曲率k沿主方向的导数emax和emin。
[0017](3)计算三维模型表面主曲率k沿主方向的极值点。
[0018](4)对上述极值点进行优化，删除对重要性几何特征影响小的极值点，保留影响大的极值点。
[0019]所述隐式曲面的函数F(X)为:
「0020]
【权利要求】
1.一种基于重要性采样的三维模型自动化简化方法，其特征是，包括以下步骤: (1)输入待简化的三维模型； (2)定义所述三维模型的重要性几何特征，即所述三维模型中曲率变化大的特征区域； (3)对三维模型的重要性几何特征的自动化提取； (4)设定重要性采样概率，根据设定的重要性采样概率对提取到的三维模型重要性几何特征中的点进行随机采样，得到重要性采样点集合及其对应的重要性采样点法向集合； (5)设定普通模型点的采样概率，普通模型点的采样概率值小于重要性采样概率；利用普通模型点采样概率对三维模型表面上的点进行随机采样，得到普通采样点集合及其对应的普通采样点法向集合； (6)重要性采样点集合及其法向集合、普通采样点集合及其法向集合的并集即为简化后的三维模型表达式； (7)使用基于紧支撑基函数的模型恢复方法，将简化后的三维模型表达恢复为三维模型。
2.如权利要求1所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述步骤(2)中三维模型的重要性几何特征定义为曲率变化大的褶皱、尖角、凿痕、边界特征区域。
3.如权利要求1所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述步骤(3)中对三维模型的重要性几何特征进行自动提取的基本步骤如下: (1)利用Wendaland紧支撑集RBF，将三维模型的表面转换为隐式曲面的函数F(x)； (2)利用三维模型的隐式曲面函数计算该模型中每个网格顶点V处主曲率k沿主方向的导数emax和emin ； (3)计算三维模型表面主曲率k沿主方向的极值点； (4)对上述极值点进行优化，删除对重要性几何特征影响小的极值点，保留影响大的极值点。
4.如权利要求3所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述隐式曲面的函数F(X)为:
5.如权利要求3所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述计算顶点V处主曲率k沿主方向的导数emax和emin的方法为:
6.如权利要求3或5所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述计算三维模型表面主曲率沿主方向的极值点的方法为: 根据每个顶点V处的e_和emin，检查边[Vl，V2]是否包含理论极值点；将理论极值点集映射为实际极值点集；计算理论极值点到其所在边[Vl，V2]的两个顶点的距离，取距离最近的顶点作为该实际极值点；Vl和V2均为三维模型中的网格顶点。
7.如权利要求1所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述步骤(4)中进行随机采样的方法为:使用轮盘赌方法对三维模型表面主曲率沿主方向的极值点进行采样，生成O到I之间的随机数，如果该随机数大于采样频率，则当前点被选中，否则该点未被选中；选中点的集合即为重要性采样点集合，重要性采样点法向量为三维模型表面主曲率沿主方向的极值点对应的顶点的法向量。
8.如权利要求1所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述步骤(5)中得到普通采样点集合及其对应的普通采样点法向集合的基本步骤如下: (1)计算组成三维模型表面的所有三角形面积，并将其存储在数组中，数组元素下标为三角形的标号； (2)利用数组存储的每个三角形的面积，计算从前往后的累积面积:即下标为i的数组元素值为前i个三角形面积的累加和，则数组最后一个元素的值为三维模型表面面积； (3)对数组元素值归一化，即数组中所有元素值都除以最后一个元素的值； (4)使用轮盘赌方法对三维模型上的所有点采样，生成O到I之间的随机数，将随机数与数组元素归一化值进行匹配，找到该随机数在数组中的位置，即确定是在哪个三角形内部取采样点，随机在该三角形内部生成点作为普通采样点； (5)普通采样点法向量的计算需要获取该普通采样点所在的三角形，对三角形的法向量按照三次线性插值方式计算。
9.如权利要求1所述的一种基于重要性采样的三维模型自动化简化方法，其特征是，所述步骤(6)中使用基于紧支撑基函数的模型恢复方法，将简化后的三维模型表达恢复为三维模型的方法为: (1)利用Wendaland紧支撑集RBF，将简化后的三维模型中的采样点及其法向量转换为隐式曲面的函数表示形式； (2)隐式曲面函数的零等值面即为恢复的三维模型表面； (3)将隐式函数的零等值面使用移动立方体方法转化为三维网格表面。
【文档编号】G06T17/00GK103530472SQ201310508241
【公开日】2014年1月22日 申请日期:2013年10月24日 优先权日:2013年10月24日
【发明者】张桂娟, 陆佃杰, 刘弘 申请人:山东师范大学