CN101673411A - 一种虚拟玉米叶片模型可控面元划分方法 - Google Patents

Abstract

本发明公开了一种虚拟玉米叶片模型可控面元划分方法，该方法属于虚拟农业技术领域，包括步骤：采集玉米叶片表面特征点；以所述特征点作为型值点建立基于NURBS曲面的玉米叶片虚拟模型；确定玉米叶片模型形态特征关键点；根据特征关键点，利用多线段分裂算法的逆运算进行曲面网格简化。本发明可以在网格简化与面元划分过程中保持叶片关键形态，并实现多层次、多尺度的虚拟玉米叶片模型的网格简化及面元划分，从而可动态调节计算精度和计算效率的平衡。

Description

一种虚拟玉米叶片模型可控面元划分方法

技术领域

本发明涉及计算机图形学和虚拟农业技术领域，特别涉及玉米叶片三维形态虚拟建模与可视计算技术领域。

背景技术

随着农业信息化技术的快速发展，新兴的虚拟现实技术在农业领域也越来越多地得到应用，特别值得一提的是，虚拟农业已经成为我国农业发展的一个重要趋势，虚拟农业不但可以将农业作物数字化，而且还能够为科研人员提供方便的交互性操作与观察，对于推动农业发展有着巨大的作用。虚拟现实技术在农业领域的广泛应用，在计算机上以三维可视的方式分析、研究和设计农作物的形态结构和生长过程已经成为可能，对农作物形态结构的研究已经进入到数字化、可视化的阶段。作物数字化设计研究中一个重要的基础工作是植株或器官的形态建模，玉米因其结构简单、形态特征明显等原因引起了研究者较大的兴趣，关于玉米叶片、根系几何造型的研究已取得了较大成果。

叶片是玉米主要器官之一，发挥着重要的生理功能，特别是在玉米光合作用研究方面，更是起到关键的影响和作用。随着虚拟农业的发展，针对玉米的数字化建模以及基于虚拟玉米模型的可视化科学计算发挥着越来越重要的作用。由于受到现有计算机软、硬件环境条件的限制，使其数据处理能力存在一定的局限，因此在虚拟模型的可视化科学计算上存在着一个精度和效率的矛盾，即要求较高的计算精度时，必然导致面元数目的增加而影响计算效率，而要求较高的数据处理效率时又会影响到计算精度，虚拟模型一旦转化为面元模型，可控性就会降低，并且网格简化过程会导致原有模型特征的丢失，目前尚无一种保持模型特征的直接可控的面元划分方法。

发明内容

(一)发明目的

本发明的目的是提供一种虚拟玉米叶片模型可控面元划分方法，该方法可以在网格简化与面元划分过程中保持叶片关键形态，并实现多层次、多尺度的虚拟玉米叶片模型的网格简化及面元划分。

(二)发明内容

一种虚拟玉米叶片模型可控面元划分方法，该方法包括步骤：

S101：采集玉米叶片表面特征点；

S102：以所述特征点作为型值点建立基于NURBS曲面的玉米叶片虚拟模型；

S103：确定玉米叶片模型形态特征关键点；

S104：根据特征关键点，利用多线段分裂算法的逆运算进行曲面网格简化。

其中，所述NURBS曲面表示方法为如下公式：

$P(u,w)=\frac{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\underset{j=0}{\overset{m}{\mathrm{\Σ}}}{B}_{i,k}\left(u\right)\·B_{j,h}\left(w\right)\·W_{i,j}\·V_{i,j}}{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\underset{j=0}{\overset{m}{\mathrm{\Σ}}}{B}_{i,k}\left(u\right)\·B_{j,h}\left(w\right)\·W_{i,j}}$

其中，Vi，j为控制顶点，Wi，j为权因子，Bi，k(u)和Bj，h(w)分别为沿u向的k次和沿w向的h次B样条基函数。

其中，所述多线段分裂算法的逆运算包括如下步骤：

S201：选取起始两个端点的连线作为初始线段，并在剩余点中选取一级特征关键点，即与此线段距离最大的点；

S202：以该特征关键点到上一级特征关键点的连线作为一级线段代替初始线段，再在剩余点中选取与一级线段所在直线距离最大的点作为二级特征关键点；

S203：重复步骤s202直至所有点都作为特征关键点构成线段。

(三)有益效果

本发明可以在网格简化与面元划分过程中保持叶片关键形态，并实现多层次、多尺度的虚拟玉米叶片模型的网格简化及面元划分，从而可动态调节计算精度和计算效率的平衡。

附图说明

图1是本方法实现流程图；

图2是本方法基于NURBS曲面的玉米叶片模型；

图3是本方法中多线段分裂算法的逆运算示意图；

图4是本方法实现的网格简化效果图。

具体实施方式

本发明提出的虚拟玉米叶片模型可控面元划分方法，结合附图和实施例说明如下。

在实施该方法之前包括将相应的软件系统装入计算机，如图1所示，S101采集玉米叶片表面特征点，结合农业知识以及玉米生理、生长特征，对玉米叶片形态结构进行观测分析，使用三维数字化仪采集玉米叶片表面特征点，作为叶片曲面建模的控制点。S102以特征点作为型值点建立基于非均匀有理B样条(NURBS)曲面的玉米叶片虚拟模型，NURBS曲面表示方法为：

$P(u,w)=\frac{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\underset{j=0}{\overset{m}{\mathrm{\Σ}}}{B}_{i,k}\left(u\right)\·B_{j,h}\left(w\right)\·W_{i,j}\·V_{i,j}}{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\underset{j=0}{\overset{m}{\mathrm{\Σ}}}{B}_{i,k}\left(u\right)\·B_{j,h}\left(w\right)\·W_{i,j}}$

根据该公式和采集的控制点组，设置一定的插值步长，可以构造叶片虚拟模型，如图2所示，其中，Vi，j为控制顶点，Wi，j为权因子，Bi，k(u)和Bj，h(w)分别为沿u向的k次和沿w向的h次B样条基函数。S103确定玉米叶片模型形态特征关键点。S104步骤2生成的叶片曲面模型具有光滑的曲面特性，初始生成的曲面模型具有密集的表面点，以及曲面网格，需要按照本方法中所提出的多线段分裂算法的逆运算，进行网格的简化。对于一组点(如图3所示的6个点)，该算法过程可以描述为：

1、选取起始两个端点的连线作为初始线段，并在剩余点中选取一级特征点，即与此线段距离最大(dmax)的点，如图3-a所示；

2、以该特征点到上一级特征点的连线作为一级线段代替初始线段，再在剩余点中选取与一级线段所在直线距离最大的点作为二级特征点，如图3-b所示；

3、以此类推，直至所有点都作为特征点构成线段。

对于本方法中获取的玉米叶片上的型值点，采用多直线段分裂算法，可先在一个方向上(如u向)进行线段细化，然后再在另一方向(w向)行线段细化，直至细化网格等于标准网格。通过这种细化方法的逆运算，可对曲面网格进一步简化，如图4所示，为不同规格尺度的网格简化结果。

实施例1

以某品种玉米叶片虚拟模型为例。

1、针对该品种的玉米叶片形态进行NURBS曲面建模，对玉米叶片形态结构进行观测分析，使用三维数字化仪采集玉米叶片表面特征点，作为NURBS曲面建模的控制点，采集的特征点为12排，每排5个点，其中每组对应的5个点中，中间点位于叶脉曲线上，两端点分别位于叶片的两侧边缘，第一排点从叶片根部开始采集，第十二排点位于叶片尖端，并且第十二排五点重合为一点，1-12排点沿玉米叶片均匀排布。

2、基于NURBS曲面构建玉米叶片的虚拟模型，首先以采集的12×5排特征点作为曲面的插值型值点组，构造插值方程组，计算NURBS曲面的控制点组，然后再以求得的控制点组按照发明内容所述的NURBS曲面方程构建虚拟玉米叶片模型，如图2所示。

3、按照如发明内容步骤S104所述的网格简化方法，分别设置不同的简化目标参数，即面元规格尺度，实现由细密至稀疏的网格简化，如图4所示，分别显示了网格数目从1392至7的简化效果。

经过以上网格简化步骤，最终实现一种直接可控的多层次、多尺度的虚拟玉米叶片模型的网格简化及面元划分方法。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (3)

1、一种虚拟玉米叶片模型可控面元划分方法，其特征在于，所述方法包括步骤：

S101：采集玉米叶片表面特征点；

S102：以所述特征点作为型值点建立基于NURBS曲面的玉米叶片虚拟模型；

S103：确定玉米叶片模型形态特征关键点；

S104：根据特征关键点，利用多线段分裂算法的逆运算进行曲面网格简化。

2、如权利要求1所述的虚拟玉米叶片模型可控面元划分方法，其特征在于，所述NURBS曲面表示方法为如下公式：

$P(u,w)=\frac{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\underset{j=0}{\overset{m}{\mathrm{\Σ}}}{B}_{i,k}\left(u\right)\·B_{j,h}\left(w\right)\·W_{i,j}\·V_{i,j}}{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\underset{j=0}{\overset{m}{\mathrm{\Σ}}}{B}_{i,k}\left(u\right)\·B_{j,h}\left(w\right)\·W_{i,j}}$

其中，Vi，j为控制顶点，Wi，j为权因子，Bi，k(u)和Bj，h(w)分别为沿u向的k次和沿w向的h次B样条基函数。

3、如权利要求2所述的虚拟玉米叶片模型可控面元划分方法，其特征在于，所述多线段分裂算法的逆运算包括如下步骤：

S201：选取起始两个端点的连线作为初始线段，并在剩余点中选取一级特征关键点，即与此线段距离最大的点；

S202：以该特征关键点到上一级特征关键点的连线作为一级线段代替初始线段，再在剩余点中选取与一级线段所在直线距离最大的点作为二级特征关键点；

S203：重复步骤s202直至所有点都作为特征关键点构成线段。

Images