当前位置: 首页 > article >正文

网格参数化,Mesh parameterization processing

目录

  • 前言
  • 1.Barycentric mapping
    • Mapping 步骤
    • 实例
  • 2.Laplace mapping
  • 3.Laplace improvement
  • 4.Coding


前言

多边形网格的类型多种多样。本文所实现的网格多边形参数化是指三角多边形。
不同的表示被用来编码三维物体的几何形状。选择一种表示方式取决于在上游的获取过程和下游的应用程序。然而,最容易重建的表示是在大多数情况下不是应用程序的最佳情况。参数化的概念是指为对象附加了一个“几何坐标系统”。
本文介绍了计算这种参数表示的方法对于给定的多边形网格。这有助于从一种表示转换为另一种表示。例如,可以转换网格模型变成一个分段的样条曲面,也就是这种类型的表示法用于计算机辅助设计(CAD)软件包。在某种意义上,这是提取了几何的“方程”,或者构造了几何的抽象几何:一旦几何被抽象,将其重新实例化为可选的表示变得更容易。
一个参数化的例子如下:通过对空间几何的重新建模,构造新了二维参数化对象。其作用在于完成了对三维mesh的参数化过程,这对于一些问题,如在三维mesh进行一些复杂操作时,我们可以将其转化为对二维对象,在其参数空间进行处理。最后将处理的结果转化到三维mesh。
在这里插入图片描述
下面阐述了3中parametrization mapping 的方式。

1.Barycentric mapping

Mapping 步骤

Reference: W. Tutte. “Convex Representation of Graphs.”
他描述了一种方式,从Mesh 几何空到参数空间的映射方式,可以通过下式构建。

这里的i是指顶点的序列i,共有N个顶点。
该问题也被考虑为(对于坐标 x j , y j x_j,y_j xj,yj),系数矩阵C决定了参数空间网格的形状:
在这里插入图片描述
同时也给出了 λ \lambda λ的取值:
在这里插入图片描述
在上述的参数下,可以完成整个参数化的过程,定义为:
在这里插入图片描述

在文中证明该结论:给定一个与三角形曲面,如果边界顶点处的(u, v)坐标位于凸多边形上,如果内部顶点的坐标是其相邻顶点的凸组合,则(u, v)坐标形成有效的参数化,即无自交的参数化。并建议 λ i j = 1 / d i \lambda_{ij}=1/d_i λij=1/di,他表示了质心mapping的参数化过程。具体取值如下:
在这里插入图片描述
具体求解过程考虑为对一线性系统的求解,但对于大型mesh而言,这并不适用。可以考虑采用高斯赛德尔迭代求解。Gauss-Seidel更新方程如下:
在这里插入图片描述

实例

这里通过一个实际算例展示其mapping 过程。
该图为一个三维狮头mesh,red lines represent the boundary edge.
在这里插入图片描述
This gif describes the algorithm update process, using the barycentric mapping.
请添加图片描述

2.Laplace mapping

拉普拉斯变换,或拉普拉斯算子,是多元函数二阶导数的推广。二维的Discrete Laplace 过程可以写为:
在这里插入图片描述
根据其形式,可以考虑为对 函数x,y,G2变化的一种描述。他也经常被应用在图像处理等一些应用中,被简化为laplace operator。
对于三维mesh case, the equation can be define as:
在这里插入图片描述
A是指点i的邻域空间。省略其推导过程,这里直接给出结论(Ref: M. Eck, T. DeRose, T. Duchamp, H. Hoppe, M. Lounsbery, and W. Stuetzle. “Multiresolution Analysis of Arbitrary Meshes.”):
在这里插入图片描述
因此,其A矩阵值可以表示为:
在这里插入图片描述
依旧采用Gauss-Seidel algorithm, 对1中问题求解如下: fig 2

3.Laplace improvement

由二中解决方案,可以看出,Laplace 对该三角mesh的参数化过程并不如barycentric mapping. 究其原因是因为钝角三角问题。导致矩阵A值出现部分负值。这个问题一般可以通过对mesh 的细分处理,替换掉所有的钝角mesh,然后再带入LapLace mapping 过程。而在在一些改进方案中从新定义不同的系数值如下:
在这里插入图片描述
算法更新:(由下图可以看出算法解决了Laplace-Beltrami operator的缺陷,不再有self-interesct mesh)
请添加图片描述

4.Coding

待续…


http://www.kler.cn/a/507612.html

相关文章:

  • LabVIEW实现油浸式变压器自主监测与实时报告
  • python爬虫爬取淘宝商品比价||淘宝商品详情API接口
  • Spring Boot经典面试题及答案
  • Jmeter如何进行多服务器远程测试
  • Java基础:equals()方法与==的区别
  • 45_Lua模块与包
  • 文件操作:系统IO
  • 【Linux】gdb_进程概念
  • 算法(蓝桥杯)贪心算法7——过河的最短时间问题解析
  • Spring-boot3.4最新版整合swagger和Mybatis-plus
  • 探索Node.js的Net模块:构建强大网络应用的基石
  • Ubuntu、Windows系统网络设置(ping通内外网)
  • 【全开源】跑腿小程序:智能派单、同城配送、校园跑腿及预约取件(用户端+骑手端)
  • 回归预测 | MATLAB实TCN时间卷积神经网络多输入单输出回归预测
  • 图数据库 | 19、高可用分布式设计(下)
  • mybatis延迟加载、缓存
  • MongoDB 学习指南:深入探索非关系型数据库
  • mongodb详解二:基础操作
  • Windows系统安装 Rust 及其配置
  • FFCA-YOLO模型详解
  • 站点服务器和节点服务器的区别是什么?
  • vant组件库的按需导入导出
  • 深入了解 systemd:Linux 系统的启动与管理大师
  • Python基础02(Python序列结构/列表/元组/集合/字典/序列解包)
  • 计算机基础专业课
  • AI写作大模型一体机赋能行业新应用场景