位置:成果数据库 > 期刊 > 期刊详情页
体积平方度量下的特征保持网格简化方法
  • ISSN号:0254-4164
  • 期刊名称:《计算机学报》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]山东大学计算机科学与技术学院,济南250101, [2]山东经济学院计算机科学与技术学院,济南250014
  • 相关基金:本课题得到国家“九七三”重点基础研究发展规划项目基金(2006CB303102)和国家自然科学基金(60673003,60573180)资助.
中文摘要:

提出了一种基于体积平方度量的三角形折叠网格简化新方法.新方法通过极小化误差目标函数简化三角形网格.简化误差定义为三角形简化后产生的网格模型平方体积变化,并以三角形几何形状因子和法向因子作为约束.简化误差的表示形式为一个二次目标函数,因此,每次简化后三角形网格的新顶点是一个线性问题的解.与目前简化效率最好的QEM方法相比,新方法不增加算法复杂度.如果被简化的三角形是强特征三角形,则用其高斯曲率最大的顶点作为新顶点,以保持原始模型的细节特征;对于非强特征三角形,新顶点用极小化折叠误差确定.对于边界三角形,新顶点的位置由不同于内部三角形的方法进行计算,保持了网格的边界特征.最后用实例说明新方法的有效性.

英文摘要:

A new algorithm for mesh simplification with triangle collapse based on square volume measure is presented in this paper. Models can be simplified by minimizing error objective function. Square volume error, shape factor and normal constraint factor of triangles are combined together to define the simplification error, which can be described as a quadratic objective function. New vertices replaced collapsed triangles can be determined linearly. Comparing with the QEM method which is the most effective method so far, computation complexity will not be increased. Gaussian curvature factor is computed for each collapsed triangle and used to identify strong feature triangle. For non-strong feature triangle, new vertex position is determined by minimizing the error objective function. For strong feature triangle, new vertex is taken the strong feature vertex of the three triangle vertices for preserving the model feature. Each collapsed triangle is processed as inner triangle or boundary triangle to keep the boundary feature. Experiments for the efficiency of the new algorithm are included.

同期刊论文项目
期刊论文 15 会议论文 19 专利 1 著作 2
同项目期刊论文
期刊信息
  • 《计算机学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学院
  • 主办单位:中国计算机学会 中国科学院计算技术研究所
  • 主编:孙凝晖
  • 地址:北京中关村科学院南路6号
  • 邮编:100190
  • 邮箱:cjc@ict.ac.cn
  • 电话:010-62620695
  • 国际标准刊号:ISSN:0254-4164
  • 国内统一刊号:ISSN:11-1826/TP
  • 邮发代号:2-833
  • 获奖情况:
  • 中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国数学评论(网络版),荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:48433