CN101877148A - 基于全局结构的三维网格模型修复方法 - Google Patents
基于全局结构的三维网格模型修复方法 Download PDFInfo
- Publication number
- CN101877148A CN101877148A CN2009102376579A CN200910237657A CN101877148A CN 101877148 A CN101877148 A CN 101877148A CN 2009102376579 A CN2009102376579 A CN 2009102376579A CN 200910237657 A CN200910237657 A CN 200910237657A CN 101877148 A CN101877148 A CN 101877148A
- Authority
- CN
- China
- Prior art keywords
- stage
- dimensional
- grid model
- dimensional grid
- summit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
基于全局结构的三维网格模型修复方法,分为4个阶段:第1阶段,检测三维网格模型的空洞;第2阶段,将所述三维网格模型通过使用改进的双边滤波算法分解为基模型和高频信息;第3阶段,基于第2阶段分解后得到的基模型,使用平滑的三维模型修复方法修复基模型;第4阶段,基于第2阶段分解后得到的高频信息,修复空洞中的几何结构细节;该阶段分为7个步骤:(1)由用户通过图形界面交互操作的方式添加结构曲线;(2)基于(1)中的结构曲线检测兴趣区域;(3)由用户通过图形界面交互操作方式指定控制区域,并将该区域参数化到二维平面;(4)基于第2阶段分解后得到的高频信息在(3)中参数化得到的二维平面中生成几何细节图像;(5)修复由(4)得到的几何细节图像;(6)将由(5)修复后的几何细节图像映射回所述三维网格模型实现最终三维模型修复。本发明可以修复具有明显全局结构细节信息的三维网格模型,修复后的三维网格模型拥有更加丰富的几何结构细节。
Description
技术领域
本发明属于计算机图形学领域,涉及一种三维网格模型的修复方法,尤其能够修复具有明显全局结构信息的三维网格模型。
背景技术
在目前存在许多三维网格模型修复方法,一类常见的网格模型修复方法是在缺失几何信息的空洞区域内填补适当的网格作为补丁,并保证填补的补丁满足空洞的边界条件。另一类方法是基于体的修复方法,它能取得和直接填补空洞方法类似的修复效果。这种修复方法将填补空洞的过程视为表面重建的过程。还有一类方法是基于模板的修复方法。缺损面积较大或拓扑结构缺失的模型一般难以使用前述方法修复,针对这类模型,基于模板的修复方法先由用户指定或自动从模型库中检索出一个与待修复模型拓扑结构一致且几何形状相似的完整模型作为模板,然后根据模板来修复缺损的模型。
当空洞周围的网格具有较丰富的几何细节时,以上方法都不能充分利用已知区域的几何信息,这样,用它们修复的空洞都会由于过于平滑而难以取得满意的视觉效果。这是因为以上方法都无法保证能够准确的将已知区域的结构信息复制到空洞区域内。针对这一问题,有人提出了一种通过用户交互的方式将重要的结构信息从已知区域传播到未知区域,并完成图像修复的方法:首先由用户添加一些从已知区域过渡到未知区域的曲线,用来提示重要的全局结构信息应该如何被修复;然后在这些曲线的指导下用基于像素的方法先修复未知区域内的结构信息;最后用纹理复制的方法修复空洞内的剩余区域。
发明内容
本发明要解决的技术问题:提出了一种基于全局结构的f网格模型修复方法,使用该方法可以修复空洞区域缺失的全局结构信息。
本发明采用的技术方案:基于全局结构的三维网格模型修复方法,分为4个阶段:
第1阶段,检测三维网格模型的空洞;
第2阶段,将所述三维网格模型通过使用改进的双边滤波算法分解为基模型和高频信息;
第3阶段,基于第2阶段分解后得到的基模型,使用平滑的三维模型修复方法修复基模型;
第4阶段,基于第2阶段分解后得到的高频信息,修复空洞中的几何结构细节,该阶段分为6个步骤:
(1)由用户通过图形界面交互操作的方式添加结构曲线;
(2)基于(1)中的结构曲线检测兴趣区域;
(3)由用户通过图形界面交互操作方式指定控制区域,并将该控制区域参数化到二维平面;
(4)基于第2阶段分解后得到的高频信息在(3)中经参数化得到的二维平面中生成几何细节图像;
(5)修复由(4)得到的几何细节图像;
(6)将由(5)修复后的几何细节图像映射回所述三维网格模型实现最终三维模型修复。
所述第2阶段改进的双边滤波算法为:将双边滤波器与Laplace算子相结合,定义了一个新的二阶Laplace双边滤波算子,并利用所述新的二阶Laplace双边滤波算子迭代的对网格进行光顺。首先估算出基模型B中各顶点的法向,然后对所述三维网格模型M做光顺处理得到基模型B,这一过程中所述三维网格模型M中的顶点只会沿估算出来的基模型B中对应顶点的法向方向运动,最后计算出所述三维网格模型M中每个顶点相对于基模型B中对应顶点的位移,并将其作为该顶点的几何细节信息,即高频信息Δ,这样,就达到将所述三维网格模型M分解为基模型B和高频信息Δ的目标。
所述第4阶段的步骤(2),基于(1)中的结构曲线检测兴趣区域的方法为:先找出一个包含了最多结构特征的初始顶点集V0并计算其统计特征然后将初始顶点集的n环邻域内的顶点以环为单位逐次加入初始集,并计算出新构成的顶点集合Vi的统计特征如果与的统计特征的差异超过了预定义的阈值,那么,可以认为新加入的顶点不在属于结构兴趣区域检测,否则,将这些顶点加入兴趣区域检测。使用每一顶点在法向方向的偏移量δ作为该顶点及其邻域的几何特征描述。定义顶点集合V的统计特征SV为:同时定义两个顶点集统计特征和之间的差异为:一般的,统计特征的差异阀值取0.15。
所述第4阶段的步骤(4),基于第2阶段分解后得到的高频信息在(3)中参数化得到的二维平面中生成几何细节图像的方法为:首先,采用参数化的方法将三维网格的顶点映射到一个二维域上,然后根据网格顶点的几何细节信息重采样生成一幅灰度图像,所生成灰度图像中每个像素的灰度值是由此像素所属三角形三个顶点的几何细节信息插值得到的,这幅图像就是几何细节图像。几何细节图像相当于网格模型的高频几何细节信息在二维域的一种等价表示。
所述第4阶段的步骤(5),修复由(4)得到的几何细节图像的方法为:在兴趣区域内,沿着结构曲线将已知区域内的梯度信息复制到空洞区域内,然后修复非兴趣区域,最终恢复出空洞区域内所有像素的梯度值。最后根据边界处的像素信息和空洞内的梯度信息,得到最终修复后的几何细节图像,使得修复后的几何细节图像的梯度信息与空洞内的梯度信息最接近。
本发明与现有技术相比的优点在于:
(1)本发明中的改进的双边滤波算法,可以保证模型上的每个顶点只沿法向方向移动到基模型的对应顶点上。这样,就可以将顶点在法向方向的偏移量作为表示顶点几何细节的高频信息。
(2)本发明将表示几何结构细节的高频信息生成为几何细节图像,采用修复该几何细节图像再投影回原三维网格模型的方法,减少了修复网格模型的复杂度,提高了计算效率。
(3)本发明可以修复具有全局几何结构细节信息的三维网格模型空洞,并使修复后的模型显示明显的几何结构细节,在几何结构细节效果方面优于现有的其他三维网格修复方法。
附图说明
图1为本发明基于全局结构的三维网格模型修复方法流程图。
具体实施方式
如图1所示,本发明的具体步骤如下(虚线框内步骤为已有技术):
1.将三维网格模型通过使用改进的双边滤波算法分解为基模型和高频信息。
将双边滤波器与Laplace算子相结合,定义了一个新的二阶Laplace双边滤波算子,并利用该算子迭代的对网格进行光顺。首先估算出基模型B中各顶点的法向,然后对三维网格模型M做光顺处理得到基模型B,这一过程中三维网格模型M中的顶点只会沿估算出来的基模型B中对应顶点的法向方向运动,最后计算出三维网格模型M中每个顶点相对于基模型B中对应顶点的位移,并将其作为该顶点的几何细节信息,即高频信息Δ。这样,就达到将原模型M分解为基模型B和高频信息Δ的目标。
本发明利用顶点邻域内各定点的预测值的加权平均值来估算该顶点新的空间位置。本方法将空间距离定义为||q-p||,将信号强度差异定义为||∏q(p)-p||。考虑到网格对曲面采样的非均一化,本方法将顶点q的Voronoi区域面积作为面积权值Aq,另外,考虑到各顶点间法向的差异,将两个顶点的法向间的内积做为法向差异权值Dq=nq·np。由此,顶点p的扩散后的估值为:其中,空间临近因子Wc为含参数σc的Gauss滤波器:信号强度相似因子Ws为含参数σs的Gauss滤波器:N(p)为顶点p的邻域点,定义N(p)为点集{qi},并满足Wc(||qi-p||)>0且。为获得更好的曲面滤波效果,本文定义顶点p的一阶拉普拉斯双边滤波算子为:相应的二阶拉普拉斯双边滤波算子为:利用该算子对p进行滤波扩散,使来表达滤波的效果。本方法对三维网格模型M迭代n次(一般的n=5)上述操作,不断改变顶点的空间位置,最终达到理想的结果。
2.检测兴趣区域。
检测兴趣区域的方法为:先找出一个包含了最多结构特征的初始顶点集V0并计算其统计特征然后将初始顶点集的n环邻域内的顶点以环为单位逐次加入初始集,并计算出新构成的顶点集合Vi的统计特征如果与的统计特征的差异超过了预定义的阈值,那么,可以认为新加入的顶点不在属于结构兴趣区域检测,否则,将这些顶点加入兴趣区域检测。使用每一顶点在法向方向的偏移量δ作为该顶点及其邻域的几何特征描述。定义顶点集合V的统计特征SV为:同时定义两个顶点集统计特征和之间的差异为:一般的,统计特征的差异阀值取0.15。
检测兴趣区域算法的主要步骤如下:
算法:兴趣区域检测算法
Input:全局结构曲线c
Output:c经过的兴趣区域
1找出c经过的已知区域的所有三角面片;
2将属于这些三角面片的顶点加入集合V0;
4Ret←V0;
5while true do
6找出Ret的一环邻域N(Ret);
7Cur←Ret+N(Ret);
8计算Cur的统计特征Scur;
10退出循环;
11else
12Ret←Ret+N(Ret);
13end
14end
15return Ret;
3.生成几何细节图像。
生成几何细节图像的方法为:首先,采用参数化的方法将三维网格的顶点映射到一个二维域上,然后根据网格顶点的几何细节信息重采样生成一幅灰度图像,所生成灰度图像中每个像素的灰度值是由此像素所属三角形三个顶点的几何细节信息插值得到的,这幅图像就是几何细节图像。几何细节图像相当于网格模型的高频几何细节信息在二维域的一种等价表示。
在生成几何细节图像时,参数化方法是及其重要的。将三维网格影射到二维参数域的过程中,所采用的参数化方法应该保证扭曲变形最小化。本文采取均值坐标参数化方法,该方法避免了能量系数出现负值的情况,可生成准共形影射,有效的减小扭曲变形。为了进一步减小参数化过程造成的参数域的面积扭曲,本文方法允许用户在网格模型上选取一块包含空洞及兴趣区域的准矩形区域,然后将选取的区域的边界以逆时针方向弦长参数化到二维的矩形区域内,对内部顶点计算权值,由此得到一个大型稀疏的最小二乘线性系统,本方法用Cholesky分解对该系统进行求解。
完成参数化后,将网格顶点的参数值做为二维坐标值,将顶点高频细节信息做为灰度值,并对该二维参数域进行重采样,便可生成几何细节图像。这里需要考虑的是是几何细节图像的分辨率问题。如果分辨率过低,那么三维模型的高曲率特征可能会由于低采样而丢失;如果分辩率过高,会给后续的计算带来高昂的计算代价。在二维参数域中,设矩形区域的长和宽分别为length和width,那么先求出参数域中的网格顶点间所有边的平均边长size,并用step=α×size作为采样步长,则几何细节图像的分辨率为m×n,其中m=length/step,n=width/step。这里的α为用户指定的常数,通常,α=0.3时,生成的GDI即可达到采样质量的要求,又可满足计算速度的要求。在生成GDI的过程中,用户输入的结构曲线C和对应的兴趣区域集合R也同时被映射到几何细节图像GDI的像素上,构成了几何细节图像上的结构曲线和兴趣区域,这些信息在修复几何细节图像时会被用到。
4.修复几何细节图像。
修复几何细节图像的方法为:在兴趣区域内,沿着结构曲线将已知区域内的梯度信息复制到空洞区域内,然后修复非兴趣区域,最终恢复出空洞区域内所有像素的梯度值。最后根据边界处的像素信息和空洞内的梯度信息,得到最终修复后的几何细节图像,使得修复后的几何细节图像的梯度信息与空洞内的梯度信息最接近。整个算法的流程如下:
(1)初始化几何细节图像中所有像素的各个属性以及预计算。
其中像素p的置信度信息初始化为:
像素p的所属曲线信息初始化为:
像素p的所属兴趣区域信息初始化为:
计算每个像素的梯度信息和所有像素的距离长信息。其中计算梯度信息的方法是前向差分法:即
像素的距离场定义为:
其中,L1表示1阶的Minkowski距离,易知,通过广度优先搜索算法可以计算出像素p的距离场信息。
(2)优先级的判定和更新。
本发明采用基于样例像素块的方法,首先根据已知区域的兴趣区域修复未知区域的兴趣区域中的像素块,然后修复空洞内剩余区域的像素块。在修复过程中,像素块修复的顺序非常重要,会直接影响最终的修复效果。本方法采用贪心算法,优先级高的目标像素块最先被修复,目标像素块Ψt的优先级定义为:其中当Ψt被修复时,Ψt内所有未知像素的梯度信息被源像素块中对应像素的梯度值更新,未知像素的置信度信息confidence(p)也被更新:其中||Ψt||为Ψt中像素的个数。同时,Ψt被修复后,空洞的边界也会发生变化,因此需要根据新的边界产生新的目标像素块和更新相关的已有目标像素块,这些像素块的优先级也需要被更新。
(3)相似像素块的判定。
依据像素块的优先级,可以从目标像素块集合T中选出优先级最高的像素块Ψt,Ψt为最先被修复的像素块。为此需要从源像素块集合S中,寻找像素块Ψs,使得Ψs与Ψt最相似。利用两个像素块之间灰度值和梯度值的差异来度量它们的相似程度。定义像素块Ψs和Ψt之间的距离为:d(Ψs,Ψt)=dgray(Ψs,Ψt)+dgrad(Ψs,Ψt)。
其中
依据像素块间的距离d(Ψs,Ψt),可以找到与Ψt最相似的像素块Ψs,使得:
(4)修改梯度场。
本发明根据与Ψt最相似的像素块Ψs的梯度信息来修复Ψt中未知像素的梯度值。对于不属于任何兴趣区域(ROI)或只属于一个ROI区域的目标像素块Ψt,只需在Ψs中找出那些与Ψt未知像素相对应的源像素,并将它们的梯度值直接复制过来即可。在处理相交的兴趣区域时,考虑到这些区域的几何特征只与在此相交的结构曲线经过的已知区域相关,本文不采用BP或其变种算法求解全局最优解,而是通过融合的方法构造出这些区域中未知像素合适的梯度值。
若Ψt属于多个兴趣区域(ROI),即位于多个ROI相交的区域时,定义每个ROI区域的宽度为该ROI区域内像素的最大1阶Minkowski距离。设Ψt属于对应的ROI宽度为根据像素块间相似性的判定,从中选出的与Ψt最相思的像素块集为像素pt∈Ψt的最相思的像素集为相应的距离场中的距离为本发明利用下式来修复Ψt中未知像素的梯度值:
(5)根据梯度信息恢复图像。
Claims (5)
1.基于全局结构的三维网格模型修复方法,其特征在于:所述的修复方法分为4个阶段,具体如下:
第1阶段,检测三维网格模型的空洞;
第2阶段,将所述三维网格模型通过使用改进的双边滤波算法分解为基模型和高频信息;
第3阶段,基于第2阶段分解后得到的基模型,使用平滑的三维模型修复方法修复所述基模型;
第4阶段,基于第2阶段分解后得到的高频信息,修复空洞中的几何结构细节,该阶段分为6个步骤:
(1)由用户通过图形界面交互操作的方式添加结构曲线;
(2)基于(1)中的结构曲线检测兴趣区域;
(3)由用户通过图形界面交互操作方式指定控制区域,并将所述控制区域参数化到二维平面;
(4)基于第2阶段分解后得到的高频信息在(3)中经参数化得到的二维平面中生成几何细节图像;
(5)修复由(4)得到的几何细节图像;
(6)将由(5)修复后的几何细节图像映射回所述三维网格模型实现最终三维模型修复。
2.根据权利要求1所述基于全局结构的三维网格模型修复方法,其特征在于:所述第2阶段改进的双边滤波算法为:将双边滤波器与Laplace算子相结合,定义了一个新的二阶Laplace双边滤波算子,并利用所述新的二阶Laplace双边滤波算子迭代的对网格进行光顺;首先估算出基模型B中各顶点的法向,然后对所述三维网格模型M做光顺处理得到基模型B,这一过程中所述三维网格模型M中的顶点只会沿估算出来的基模型B中对应顶点的法向方向运动,最后计算出所述三维网格模型M中每个顶点相对于基模型B中对应顶点的位移,并将其作为该顶点的几何细节信息,即高频信息Δ,这样,就达到将所述三维网格模型M分解为基模型B和高频信息Δ的目标。
4.根据权利要求1所述基于全局结构的三维网格模型修复方法,其特征在于:所述第4阶段的步骤(4),基于第2阶段分解后得到的高频信息在(3)中参数化得到的二维平面中生成几何细节图像的方法为:首先,采用参数化的方法将三维网格的顶点映射到一个二维域上,然后根据网格顶点的几何细节信息重采样生成一幅灰度图像,所生成灰度图像中每个像素的灰度值是由此像素所属三角形三个顶点的几何细节信息插值得到的,这幅图像就是几何细节图像;几何细节图像相当于网格模型的高频几何细节信息在二维域的一种等价表示。
5.根据权利要求1所述基于全局结构的三维网格模型修复方法,其特征在于:所述第4阶段的步骤(5),修复由(4)得到的几何细节图像的方法为:在兴趣区域内,沿着结构曲线将已知区域内的梯度信息复制到空洞区域内,然后修复非兴趣区域,最终恢复出空洞区域内所有像素的梯度值;最后根据边界处的像素信息和空洞内的梯度信息,得到最终修复后的几何细节图像,使得修复后的几何细节图像的梯度信息与空洞内的梯度信息最接近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102376579A CN101877148B (zh) | 2009-11-13 | 2009-11-13 | 基于全局结构的三维网格模型修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102376579A CN101877148B (zh) | 2009-11-13 | 2009-11-13 | 基于全局结构的三维网格模型修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101877148A true CN101877148A (zh) | 2010-11-03 |
CN101877148B CN101877148B (zh) | 2011-10-26 |
Family
ID=43019693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102376579A Expired - Fee Related CN101877148B (zh) | 2009-11-13 | 2009-11-13 | 基于全局结构的三维网格模型修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101877148B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389682A (zh) * | 2013-07-25 | 2013-11-13 | 苏州市阳帆软件有限公司 | 面向模具制造的数字模型快速修复与智能数控编程系统 |
CN104361632A (zh) * | 2014-11-03 | 2015-02-18 | 北京航空航天大学 | 一种基于Hermite径向基函数的三角网格补洞方法 |
CN105069833A (zh) * | 2015-07-29 | 2015-11-18 | 苏州华漫信息服务有限公司 | 能够保持纹理信息数据的三维模型修补方法 |
CN105141970A (zh) * | 2015-07-03 | 2015-12-09 | 哈尔滨工业大学深圳研究生院 | 一种基于三维模型几何信息的纹理图像压缩方法 |
CN105160705A (zh) * | 2015-09-10 | 2015-12-16 | 李晓强 | 一种基于三维引擎对移动终端三维图像数据的处理方法 |
CN105427252A (zh) * | 2015-11-06 | 2016-03-23 | 北京航空航天大学 | 一种基于经验模态分解的网格模型多尺度几何细节修复方法 |
CN105913491A (zh) * | 2016-03-29 | 2016-08-31 | 浙江大学城市学院 | 三维地质表面模型中的网格化数据处理方法 |
US9792728B2 (en) | 2012-08-17 | 2017-10-17 | Thomson Licensing | Method and apparatus for 3D mesh de-noising |
CN107341768A (zh) * | 2016-04-29 | 2017-11-10 | 微软技术许可有限责任公司 | 网格降噪 |
CN109118589A (zh) * | 2018-09-07 | 2019-01-01 | 北京航空航天大学青岛研究院 | 几何模型全频细节修复方法 |
CN109242972A (zh) * | 2018-08-14 | 2019-01-18 | 重庆大学 | 一种基于顶点特征的双法向网格模型光顺方法 |
CN110176079A (zh) * | 2019-05-26 | 2019-08-27 | 中北大学 | 一种基于准共形映射的三维模型变形算法 |
CN110189273A (zh) * | 2019-05-27 | 2019-08-30 | 广西师范大学 | 一种基于重抽样的隐藏图像修复方法 |
CN112634145A (zh) * | 2020-11-27 | 2021-04-09 | 长春工业大学 | 基于三维深度卷积生成对抗网络的三维模型修复方法 |
-
2009
- 2009-11-13 CN CN2009102376579A patent/CN101877148B/zh not_active Expired - Fee Related
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9792728B2 (en) | 2012-08-17 | 2017-10-17 | Thomson Licensing | Method and apparatus for 3D mesh de-noising |
CN103389682A (zh) * | 2013-07-25 | 2013-11-13 | 苏州市阳帆软件有限公司 | 面向模具制造的数字模型快速修复与智能数控编程系统 |
CN104361632A (zh) * | 2014-11-03 | 2015-02-18 | 北京航空航天大学 | 一种基于Hermite径向基函数的三角网格补洞方法 |
CN104361632B (zh) * | 2014-11-03 | 2017-03-29 | 北京航空航天大学 | 一种基于Hermite径向基函数的三角网格补洞方法 |
CN105141970A (zh) * | 2015-07-03 | 2015-12-09 | 哈尔滨工业大学深圳研究生院 | 一种基于三维模型几何信息的纹理图像压缩方法 |
CN105141970B (zh) * | 2015-07-03 | 2019-02-12 | 哈尔滨工业大学深圳研究生院 | 一种基于三维模型几何信息的纹理图像压缩方法 |
CN105069833A (zh) * | 2015-07-29 | 2015-11-18 | 苏州华漫信息服务有限公司 | 能够保持纹理信息数据的三维模型修补方法 |
CN105160705B (zh) * | 2015-09-10 | 2018-02-23 | 李晓强 | 一种基于三维引擎对移动终端三维图像数据的处理方法 |
CN105160705A (zh) * | 2015-09-10 | 2015-12-16 | 李晓强 | 一种基于三维引擎对移动终端三维图像数据的处理方法 |
CN105427252A (zh) * | 2015-11-06 | 2016-03-23 | 北京航空航天大学 | 一种基于经验模态分解的网格模型多尺度几何细节修复方法 |
CN105913491A (zh) * | 2016-03-29 | 2016-08-31 | 浙江大学城市学院 | 三维地质表面模型中的网格化数据处理方法 |
CN107341768A (zh) * | 2016-04-29 | 2017-11-10 | 微软技术许可有限责任公司 | 网格降噪 |
CN107341768B (zh) * | 2016-04-29 | 2022-03-11 | 微软技术许可有限责任公司 | 网格降噪 |
CN109242972A (zh) * | 2018-08-14 | 2019-01-18 | 重庆大学 | 一种基于顶点特征的双法向网格模型光顺方法 |
CN109242972B (zh) * | 2018-08-14 | 2022-11-04 | 重庆大学 | 一种基于顶点特征的双法向网格模型光顺方法 |
CN109118589A (zh) * | 2018-09-07 | 2019-01-01 | 北京航空航天大学青岛研究院 | 几何模型全频细节修复方法 |
CN110176079A (zh) * | 2019-05-26 | 2019-08-27 | 中北大学 | 一种基于准共形映射的三维模型变形算法 |
CN110189273A (zh) * | 2019-05-27 | 2019-08-30 | 广西师范大学 | 一种基于重抽样的隐藏图像修复方法 |
CN110189273B (zh) * | 2019-05-27 | 2021-09-10 | 广西师范大学 | 一种基于重抽样的隐藏图像修复方法 |
CN112634145A (zh) * | 2020-11-27 | 2021-04-09 | 长春工业大学 | 基于三维深度卷积生成对抗网络的三维模型修复方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101877148B (zh) | 2011-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101877148B (zh) | 基于全局结构的三维网格模型修复方法 | |
Wang et al. | Feature based 3D garment design through 2D sketches | |
Kostas et al. | Ship-hull shape optimization with a T-spline based BEM–isogeometric solver | |
Montagnat et al. | A review of deformable surfaces: topology, geometry and deformation | |
Pottmann et al. | Industrial geometry: recent advances and applications in CAD | |
JP4783100B2 (ja) | 境界データのセル内形状データへの変換方法とその変換プログラム | |
CN101639935B (zh) | 基于几何活动轮廓目标跟踪的数字人连续切片图像分割方法 | |
Marinov et al. | Generative design conversion to editable and watertight boundary representation | |
Deng et al. | A fast level set method for segmentation of low contrast noisy biomedical images | |
Qian et al. | Automatic unstructured all-hexahedral mesh generation from B-Reps for non-manifold CAD assemblies | |
Pérez et al. | A comparison of hole-filling methods in 3D | |
JPWO2007083602A1 (ja) | 補間処理方法、補間処理装置、形状評価方法、および形状評価装置 | |
CN104361632A (zh) | 一种基于Hermite径向基函数的三角网格补洞方法 | |
CN113077553A (zh) | 一种基于表面属性的三维模型分割方法 | |
CN108230452B (zh) | 一种基于纹理合成的模型补洞方法 | |
Xu et al. | Wing-body junction optimisation with CAD-based parametrisation including a moving intersection | |
Neto et al. | Nagata patch interpolation using surface normal vectors evaluated from the IGES file | |
Aubry et al. | A three-dimensional parametric mesher with surface boundary-layer capability | |
Wang et al. | A robust and accurate geometric model for automated design of drawbeads in sheet metal forming | |
Aubry et al. | A robust conforming NURBS tessellation for industrial applications based on a mesh generation approach | |
CN102663762B (zh) | 医学图像中对称器官的分割方法 | |
Foucault et al. | Generalizing the advancing front method to composite surfaces in the context of meshing constraints topology | |
Willis et al. | Rapid prototyping 3D objects from scanned measurement data | |
Duan et al. | A subdivision-based deformable model for surface reconstruction of unknown topology | |
Park et al. | Boundary representation tolerance impacts on mesh generation and adaptation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111026 Termination date: 20141113 |
|
EXPY | Termination of patent right or utility model |