CN104809290A - 一种衣物自碰撞检测高层裁剪优化方法 - Google Patents
一种衣物自碰撞检测高层裁剪优化方法 Download PDFInfo
- Publication number
- CN104809290A CN104809290A CN201510203053.8A CN201510203053A CN104809290A CN 104809290 A CN104809290 A CN 104809290A CN 201510203053 A CN201510203053 A CN 201510203053A CN 104809290 A CN104809290 A CN 104809290A
- Authority
- CN
- China
- Prior art keywords
- triangle
- cutting
- collision detection
- pair
- self
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种衣物自碰撞检测高层裁剪优化方法,在衣物动态仿真的自碰撞检测过程中,通过三角形层面的高层裁剪,裁剪掉不可能发生碰撞的区域和三角形对,得到所有可能发生碰撞的候选三角形对。其步骤是(1)结合层次包围盒算法和连续法向量锥信息实现基本的高层裁剪,裁剪掉包围盒不相交的区域和三角形对;(2)进行基于放射视角的高层裁剪优化,通过放射视角测试,裁剪掉簇内不可能发生碰撞的三角形对,得到所有可能发生碰撞的候选三角形对;(3)进行基于孤立集的高层裁剪优化,通过建立孤立集,裁剪掉候选三角形对中的邻接三角形对,进一步提高自碰撞检测的效率。
Description
技术领域
本发明涉及一种衣物自碰撞检测高层裁剪优化方法,属于虚拟衣物仿真技术领域。
背景技术
在衣物动态仿真过程中,碰撞检测是最耗时的部分。碰撞检测过程中,首先需要检测出所有发生碰撞的三角形对,然后对每个三角形对分配基元对进行后续基本相交测试。在每个时间步长内,需要判断网格的顶点与三角形、边与边之间的碰撞情况,对于N个顶点的衣物网格,进行自碰撞检测的时间复杂度是O(N2)。碰撞检测成为衣物动态仿真过程中的主要瓶颈,为了对自碰撞检测进行优化,研究者们提出一系列优化方法,分为三角形层面的高层裁剪方法和基元对层面的低层裁剪方法。
在以往的研究工作中,最常用的高层裁剪方法是层次包围盒算法,对物体建立层次包围盒,通过层次包围盒的相交测试,裁剪掉包围盒不想交的三角形对。为了减少层次包围盒遍历过程中的包围盒相交测试次数,许多研究者提出自碰撞检测的裁剪优化方法,用来裁减掉不存在碰撞三角形对的区域,即不可能发生自碰撞区域。Volino利用网格的拓扑和连接性,通过轮廓测试判断网格的自碰撞状态。Provot基于网格曲率,提出法向量锥的方法,可以有效的裁剪掉不发生自碰撞的区域,该方法只适用于离散碰撞检测。Tang将法向量锥方法扩展到连续碰撞检测,计算整个时间步长内的连续法向量锥信息。Wong进行基于骨骼驱动的放射视角裁剪。Schvartzman等人提出基于星形轮廓的轮廓测试方法,该方法用于离散自碰撞检测,由于轮廓测试的投影和相交操作的复杂性,在自碰撞检测中通常忽略。
以往自碰撞检测高层裁剪方法主要存在以下问题:
(1)由于邻接三角形对的包围盒相交,层次包围盒算法裁剪效率较低。
(2)连续法向量锥的有效裁剪区域较小。
(3)基于骨骼驱动的放射视角裁剪,通过计算顶点的骨骼权重对网格进行分簇,实现较为复杂,影响碰撞检测的效率。
针对以上问题,本发明对虚拟衣物仿真技术和自碰撞检测高层裁剪方法做了进一步的研究,一种基于衣物自碰撞检测高层裁剪优化方法,其核心内容可以总结为:高层裁剪阶段,第一步,结合层次包围盒算法和连续法向量锥信息进行基本的高层裁剪。为了提高裁剪效率,第二步,在基本高层裁剪的基础上,进行基于放射视角的高层裁剪优化,得到所有可能发生碰撞的候选三角形对。最后一步,在基本高层裁剪及放射视角优化的基础上,进行基于孤立集的裁剪优化,通过建立孤立集,裁剪掉候选三角形对中所有的邻接三角形对,进一步提高自碰撞检测的效率。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供一种衣物自碰撞检测高层裁剪优化方法,针对虚拟衣物仿真这一具体应用给出一种全新的自碰撞检测优化方法。
本发明采用的技术方案:首先结合层次包围盒算法和连续法向量锥信息实现基本的高层裁剪,裁剪掉包围盒不相交的区域和三角形对。在此基础上,进行基于放射视角的高层裁剪优化,通过放射视角测试,裁剪掉簇内不可能发生碰撞的三角形对,得到所有可能发生碰撞的候选三角形对。最后,进行基于孤立集的高层裁剪优化,通过建立孤立集,裁剪掉候选三角形对中的邻接三角形对,进一步提高自碰撞检测的效率。
该方案实现的步骤:
(1)结合层次包围盒算法和连续法向量锥信息实现基本的高层裁剪,裁剪掉包围盒不相交的区域和三角形对;
(2)进行基于放射视角的高层裁剪优化,通过放射视角测试,裁剪掉簇内不可能发生碰撞的三角形对,得到所有可能发生碰撞的候选三角形对;
(3)进行基于孤立集的高层裁剪优化,通过建立孤立集,裁剪掉候选三角形对中的邻接三角形对,进一步提高自碰撞检测的效率;
本发明与现有技术相比的有益效果是:
本发明的高层裁剪优化方法能够有效的裁剪掉不发生碰撞的区域和三角形对,提高了自碰撞检测和高层裁剪的效率,并且提高了衣物动态仿真的仿真帧率。
附图说明
图1一种衣物自碰撞检测高层裁剪优化方法步骤示意图;
图2基本高层裁剪实验结果示意图;
图3基于放射视角的高层裁剪优化实验结果示意图;
图4基于孤立集的高层裁剪优化实验结果示意图。
具体实施方式
下面结合附图及具体实施方式对本发明进一步详细说明。
(1)结合层次包围盒算法和连续法向量锥信息实现基本的高层裁剪,裁剪掉包围盒不相交的区域和三角形对;
第一步,预处理阶段,采用自顶向下的方法对衣物网格建立AABB层次包围盒。
网格所有三角形面片的集合记为S,包围盒树中每个节点对应S的一个子集Sv。从根节点开始建立层次包围盒BVH的步骤如下:
1、计算节点对应三角形集合Sv的AABB包围盒b(Sv)。通过遍历Sv中的三角形,得到所有顶点位置在三个坐标轴方向的最大值和最小值,构成AABB包围盒。
2、确定分割平面和分割点,对三角形集合的元素进行划分。本文选取的分割平面垂直于包围盒的最长边,分割点取该边的中点δ。根据每个三角形在包围盒最长边方向上投影的中点mid与分割点δ的相对位置,将三角形集合Sv划分成两个不相交的子集,分别对应该节点的左右子节点。
3、迭代的对左右子节点执行步骤1、2,直至到达叶子节点,叶子节点的Sv只包含一个三角形。
第二步,碰撞检测阶段,每个时间步长,采用自底向上的方法对层次包围盒进行更新,包括节点的包围盒信息和连续法向量锥信息。
首先更新叶子节点的AABB包围盒,对于连续自碰撞检测,需要计算整个时间步长内三角形的包围盒。由于步长内速度恒定,三角形在步长内的位置可以通过线性插值得到,根据三角形在步长起点处和步长终点处的位置,计算出叶子节点的包围盒。父节点的包围盒由左右子节点的包围盒合并得到,自底向上合并直至得到根节点的包围盒。
同节点AABB包围盒的计算方式相同,父节点的连续法向量锥信息由左右子节点的法向量锥信息合并得到,合并过程如下:
1、由左右子节点的锥轴向量计算当前节点的锥轴向量
axis=axis_left+axis_right (3.8)
2、计算出左右子节点锥轴向量的夹角β
3、由左右子节点的半锥角α1、α2,计算出当前节点的半锥角
α=β/2+max(α1,α2) (3.9)
在每个时间步长内,叶子节点连续法向量锥的计算步骤如下:
1、将时间步长归一化为[0,1],速度乘以时间步长△t
2、计算包围法向量n0、n1、(n0+n1-δ)/2的连续法向量锥,同样采取上述合并的方法,每个法向量对应的法向量锥的半锥角α=0,锥轴向量axis等于该法向量。
第三步,连续法向量锥裁剪。
碰撞检测阶段,每个时间步长,遍历层次包围盒,从根节点开始进行连续法向量锥裁剪。在层次包围盒的遍历过程中,首先判断当前节点的连续法向量锥的半锥角是否大于π/2,若α<π/2,则节点对应区域不会发生自碰撞,可以直接裁剪掉,无需进行后续测试。若α>π/2,该节点对应区域有可能发生自碰撞,需要分别对左右子节点的各自区域进行连续法向量锥检测,并进行左子结点和右子节点之间的包围盒相交测试。
第四步,包围盒相交测试。裁剪掉包围盒不相交的区域和三角形对,得到所有包围盒相交的三角形对,构成候选三角形对。层次包围盒相交测试的步骤如下:
1、判断左右子节点的包围盒是否相交,若不相交,两节点对应区域之间不会发生碰撞,无需进行后续检测,可以裁减掉。若包围盒相交,执行第2步。
2、如果两个节点都是叶子节点,则对应的两个三角形构成一个PCTP。如果一个是叶子节点,一个是内部节点,则叶子节点分别与内部节点的左右子节点进行包围盒相交测试。如果两个都是内部节点,则用包围盒体积较小的节点分别与另一个节点的左右子节点进行包围盒相交测试。
3、自顶向下遍历层次包围盒,迭代执行步骤1、2,得到所有可能发生碰撞的三角形对。
(2)进行基于放射视角的高层裁剪优化,通过放射视角测试,裁剪掉簇内不可能发生碰撞的三角形对,得到所有可能发生碰撞的候选三角形对;
第一步,预处理阶段,确定观察点,对网格进行分簇,构建每一簇网格的层次包围盒。
首先,确定观察点的位置信息;根据臂部衣物网格的形状特点,本文设置两个观察点q1、q2,分别位于大臂和小臂的中心位置。确定观察点的方法如下:
1、找出臂部网格上下两个端面的所有边界点,根据每个端面的边界点计算出两个端面中心点的位置mid1、mid2,两个观察点的初始位置分别为
2、根据观察点的初始位置,找到可以插值出观察点的网格顶点,每个时间步长内,观察点的位置和速度信息由这些顶点插值得到。在观察点初始位置处定义两个横截面,对臂部网格进行截环,得到的两组交点构成两个截面环,观察点的位置和速度由每个截面环的顶点进行插值得到。为了简化计算,本文直接通过三角形环带对观察点进行插值,找出与横截面相交的每个三角形,观察点的位置,通过这些三角形的三个顶点的位置插值得到。
其次,将网格分簇;
得到两个观察点的初始位置后,计算出两观察点连线的中心点,根据每个三角形与中心点的相对位置,将网格分成两簇,每簇对应一个观察点。
最后,每簇网格构建层次包围盒;
每簇网格的层次包围盒的构建方法与前面层次包围盒算法相同。另外,层次包围盒的每个节点包含两个额外属性neg和unc,分别记录该节点包含的负向三角形和不定向三角形的数量。
第二步,碰撞检测阶段,首先更新每一簇的层次包围盒,更新观察点的位置和速度信息,并对每簇网格的三角形关于观察点进行分类。
1、在每个时间步长,更新观察点的信息。根据预处理阶段得到的每个观察点对应截面环的插值顶点,插值出观察点的位置和速度。
2、每簇网格的三角形关于观察点进行分类,通过特征函数的上界函数和下界函数的符号,判断特征函数的符号。将每簇网格的三角形分为正向三角形、负向三角形和不定向三角形。
3、更新每簇网格的层次包围盒;每簇网格的层次包围盒的更新与前面层次包围盒算法相同,在更新过程中,节点包含的负向三角形和不定向三角形的数量由左右子节点合并得到。对于叶子节点,如果对应的三角形是正向三角形,则neg=0,unc=0;如果是负向三角形,则neg=1,unc=0;如果是不定向三角形,则neg=0,unc=1;
第三步,簇内检测。对每簇网格进行放射视角测试,根据三角形关于观察点的朝向,判断簇内的自碰撞状态。将放射视角测试与层次包围盒算法及连续法向量锥信息相结合,实现步骤如下:
首先,判断簇内三角形关于观察点的朝向,如果簇内三角形全都是正向三角形,即该簇层次包围盒根节点的neg=0,unc=0,则该簇不会发生自碰撞;
如果簇内存在负向三角形,需要检测簇内(H+(q),H-(q))中三角形对的自碰撞情况。从根节点开始自顶向下遍历簇的层次包围盒,对层次包围盒的节点进行正负检测,正负检测的方法如下:
1、首先判断当前节点的连续法向量锥的半锥角的大小,若α<π/2,当前节点对应区域不发生自碰撞,可以裁减掉,否则,转步骤2;
2、判断当前节点包含的负向三角形的数量,如果neg=0,则节点对应区域不会发生自碰撞,可以裁减掉。如果存在负向三角形,首先进行左右子节点之间的正负三角形对的检测,并迭代的分别对左右子节点进行正负检测,直至到达叶子节点。左右子节点之间的正负三角形对的检测,同样采用层次遍历的方法:
①如果两个节点都是叶子节点,且满足,一个是正向三角形一个是负向三角形并且两个三角形的包围盒相交,则这两个三角形构成一个PCTP;
②如果至少有一个节点是内部节点,则分别用该节点的左右子节点与另一个节点进行正负三角形对的检测;
③自顶向下遍历,迭代的执行步骤①、②,得到簇内所有可能发生碰撞的正负三角形对;
如果簇内存在不定向三角形,需要检测簇内(H+(q)+H-(q)+Hu(q),Hu(q))中三角形对的碰撞情况。从簇的根节点开始自顶向下遍历簇的层次包围盒,对层次包围盒的节点进行不定向检测;不定向检测的方法与步骤2中的正负检测相同,通过不定向检测,得到簇内所有可能发生碰撞的包含不定向三角形的三角形对。
第四步,簇间检测,与层次包围盒算法中包围盒相交测试的方法相同,从两簇层次包围盒的根节点开始,自顶向下遍历,进行包围盒相交测试,直到得到所有可能发生碰撞的簇间三角形对。
(3)进行基于孤立集的高层裁剪优化,通过建立孤立集,裁剪掉候选三角形对中的邻接三角形对,进一步提高自碰撞检测的效率。
第一步,预处理阶段,建立孤立集。
1、建立数据结构,分别存储顶点、边和三角形的信息。顶点结构vec3f存储顶点位置,顶点结构incident存储顶点附属的三角形索引的集合,边结构edge2f存储边的两个顶点索引和两个附属面索引,三角形结构tri3f存储三角形三个顶点索引,三角形结构tri3e存储三角形三条边的索引。通过遍历网格的顶点列表和三角形列表,依次得到vec3f列表、tri3f列表、edge2f列表、tri3e列表和incident列表。
2、确定边界边和边界点。遍历edge2f列表,得到所有边界边,如果一条边只有一个附属面,则该边是边界边,边界边的两个顶点是边界点。
3、对每个边界点,根据incident列表和tri3f列表构建OIS和OAS,找出OAS中与OIS所有三角形都相邻的三角形,与边界点构成孤立集中的一个VF基元对。
4、对每个边界边,根据edge2f列表、tri3f列表和incident列表构建邻接集OIS、邻近集OAS以及OAS中所有的边的集合ES。对于ES中与边界边不相邻的每条边,如果其附属的每个三角形与边界边OIS中的每个三角形对相邻,则该边和边界边构成孤立集中的一个EE基元对。
第二步,碰撞检测阶段,高层裁剪过程中,裁剪掉所有的邻接三角形对,得到所有包围盒相交的非邻接三角形对,构成候选三角形对。
层次包围盒相交测试过程中,如果两个叶子节点的包围盒相交,判断两个三角形是否相邻,即是否包含共同的顶点,只有两个三角形不相邻,才构成一个候选三角形对,否则,裁剪掉该三角形对。
基本高层裁剪实验:图2展示了结合层次包围盒算法和连续法向量锥信息,进行基本的高层裁剪的实验结果。在两种不同姿势下,分别取第100帧的实验结果,白色三角形用来标记检测出的候选三角形对中的三角形。由实验结果可以看出,两种姿势下检测出可能发生碰撞的候选三角形对的数量分别是2635和4742,帧率分别是2.40和1.97。基于层次包围盒算法和连续法向量锥信息的基本高层裁剪方法,能够有效的裁剪掉不发生碰撞的区域和三角形对,但是得到的候选三角形对的数量仍然较多。这是因为基本高层裁剪裁减掉的是包围盒不相交的三角形对,而邻接三角形对的包围盒总是相交,所以候选三角形对中包括大量的邻接三角形对,其中只有极少数可能发生碰撞,造成基本高层裁剪的裁剪效率较低。
高层裁剪优化实验一:图3展示了基于放射视角的高层裁剪优化的实验结果。由实验结果可以看出,两种姿势下检测出可能发生碰撞的候选三角形对的数量分别是213和1093,帧率分别为26.04和6.38。相比于基本高层裁剪,本文给出的基于放射视角的高层裁剪方法大幅提高了碰撞检测的效率。由图3可以看出,通过簇内放射视角测试,能够有效的裁剪掉每一簇网格不发生碰撞的区域和三角形对。簇间进行层次包围盒相交测试,同基本高层裁剪的问题一样,由于邻接三角形对的包围盒总是相交,簇间的邻接三角形对无法裁剪掉,一定程度上影响高层裁剪的效率。
高层裁剪优化实验二:图4展示了基于孤立集的高层裁剪优化的实验结果。由实验结果可以看出,两种姿势下检测出的可能发生碰撞的候选三角形对的数量分别是1和281,帧率分别为47.63和13.10。在基本高层裁剪和基于放射视角的裁剪优化的基础上,本文在高层裁剪的最后一步,进行基于孤立集的高层裁剪优化,裁剪掉了候选三角形对中所有的邻接三角形对,进一步提高了自碰撞检测的效率。高层裁剪得到所有的候选三角形对,候选三角形对分配的基元对和孤立集中的基元对一起,构成候选基元对,进行后续基本相交测试。
上述基本高层裁剪及优化实验结果表明,本文的高层裁剪优化方法能够有效的裁剪掉不发生碰撞的区域和三角形对,提高了自碰撞检测和高层裁剪的效率,并且提高了衣物动态仿真的仿真帧率。
Claims (4)
1.一种衣物自碰撞检测高层裁剪优化方法,其特征在于通过以下步骤实现:
(1)结合层次包围盒算法和连续法向量锥信息实现基本的高层裁剪,裁剪掉包围盒不相交的区域和三角形对;
(2)进行基于放射视角的高层裁剪优化,通过放射视角测试,裁剪掉簇内不可能发生碰撞的三角形对,得到所有可能发生碰撞的候选三角形对;
(3)进行基于孤立集的高层裁剪优化,通过建立孤立集,裁剪掉候选三角形对中的邻接三角形对,进一步提高自碰撞检测的效率。
2.根据权利要求1所述的一种衣物自碰撞检测高层裁剪优化方法,其特征在于:所述步骤(1)中的结合层次包围盒算法和连续法向量锥信息实现基本的高层裁剪,裁剪掉包围盒不相交的区域和三角形对方法如下:
(2.1)预处理阶段,采用自顶向下的方法对衣物网格建立AABB层次包围盒;
(2.2)碰撞检测阶段,每个时间步长,采用自底向上的方法对层次包围盒进行更新,包括节点的包围盒信息和连续法向量锥信息;
(2.3)连续法向量锥裁剪,层次包围盒遍历过程中,首先判断当前节点连续法向量锥的半锥角大小,如果α<π/2,则裁剪掉节点对应的区域,否则,迭代的对左右子节点进行连续法向量锥裁剪,并进行左右子节点之间的包围盒相交测试;
(2.4)包围盒相交测试,裁剪掉包围盒不相交的区域和三角形对,得到所有包围盒相交的三角形对,构成候选三角形对。
3.根据权利要求1所述的一种衣物自碰撞检测高层裁剪优化方法,其特征在于:所述步骤(2)中的进行基于放射视角的高层裁剪优化,通过放射视角测试,裁剪掉不可能发生碰撞的三角形对,得到所有可能发生碰撞的候选三角形对方法如下:
(3.1)预处理阶段,确定观察点,对网格进行分簇,构建每一簇网格的层次包围盒;
(3.2)碰撞检测阶段,首先更新每一簇的层次包围盒,更新观察点的位置和速度信息,并对每簇网格的三角形关于观察点进行分类;
(3.3)簇内检测,对每簇网格进行放射视角测试,检测簇内的自碰撞状态,得到簇内所有可能发生碰撞的三角形对;
(3.4)簇间检测,使用基于层次包围盒的算法,通过层次包围盒相交测试,得到簇间所有可能发生碰撞的三角形对。
4.根据权利要求1所述的一种衣物自碰撞检测高层裁剪优化方法,其特征在于:所述步骤(3)中的进行基于孤立集的高层裁剪优化,通过建立孤立集,裁剪掉候选三角形对中的邻接三角形对,进一步提高自碰撞检测的效率方法如下:
(4.1)预处理阶段,建立孤立集,步骤如下:
(4.1.1)确定网格所有边界点和边界边。
(4.1.2)对每个边界边和边界点,分别计算邻接集OIS(Orphan Incident Set)和邻近集OAS(Orphan Adjacent Set);OIS是包含该边界元素的所有三角形几何,OAS是与OIS中三角形相邻但不在OIS中的三角形的集合;
(4.1.3)根据OIS和OAS计算出包含该边界点/边界边的所有VF/EE基元对,构成孤立集中的基元对;
(4.2)碰撞检测阶段,高层裁剪过程中,裁剪掉所有的邻接三角形对,得到所有包围盒相交的非邻接三角形对,构成候选三角形对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510203053.8A CN104809290B (zh) | 2015-04-27 | 2015-04-27 | 一种衣物自碰撞检测高层裁剪优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510203053.8A CN104809290B (zh) | 2015-04-27 | 2015-04-27 | 一种衣物自碰撞检测高层裁剪优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809290A true CN104809290A (zh) | 2015-07-29 |
CN104809290B CN104809290B (zh) | 2017-10-20 |
Family
ID=53694107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510203053.8A Expired - Fee Related CN104809290B (zh) | 2015-04-27 | 2015-04-27 | 一种衣物自碰撞检测高层裁剪优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809290B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990909A (zh) * | 2019-11-29 | 2020-04-10 | 北京仿真中心 | 一种三维cad模型数据处理方法 |
CN116049505A (zh) * | 2023-04-03 | 2023-05-02 | 杭州美创科技股份有限公司 | 屏幕空间标签碰撞检测方法、装置、计算机设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592304A (zh) * | 2011-12-30 | 2012-07-18 | 西南交通大学 | 一种分类应变限制的动态服装仿真方法 |
-
2015
- 2015-04-27 CN CN201510203053.8A patent/CN104809290B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592304A (zh) * | 2011-12-30 | 2012-07-18 | 西南交通大学 | 一种分类应变限制的动态服装仿真方法 |
Non-Patent Citations (3)
Title |
---|
ZHANG XIULIN,HE BING,LIN XIAODAN: "《An Optimized Fabric Self Collision Detection Method》", 《APPLIED MECHANICS AND 》 * |
李国财,高振宇,蔡政: "《虚拟试衣系统研究与实现》", 《计算机应用与软件》 * |
陈晨,张为民,褚宁: "《基于包围盒和三角面片的碰撞检测优化算法》", 《设计与研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990909A (zh) * | 2019-11-29 | 2020-04-10 | 北京仿真中心 | 一种三维cad模型数据处理方法 |
CN110990909B (zh) * | 2019-11-29 | 2023-10-20 | 北京仿真中心 | 一种三维cad模型数据处理方法 |
CN116049505A (zh) * | 2023-04-03 | 2023-05-02 | 杭州美创科技股份有限公司 | 屏幕空间标签碰撞检测方法、装置、计算机设备及存储介质 |
CN116049505B (zh) * | 2023-04-03 | 2023-06-23 | 杭州美创科技股份有限公司 | 屏幕空间标签碰撞检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104809290B (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106685716B (zh) | 网络拓扑自适应的数据可视化方法及装置 | |
Frishman et al. | Multi-level graph layout on the GPU | |
CN103714577B (zh) | 一种适用于带纹理模型的三维模型简化方法 | |
CN101650836B (zh) | 三维植物器官几何曲面自适应网格化方法及系统 | |
Lee et al. | Perceptual organization of 3D surface points | |
CN102938161B (zh) | 一种基于Mean Shift的三维形状自动分割方法 | |
CN109035410A (zh) | 一种基于离散化的多重曲面建筑网格划分方法 | |
CN103236077B (zh) | 一种特征增强的三维模型线绘制方法 | |
CN101853525B (zh) | 基于网格分割的带纹理模型细节保持简化方法 | |
CN105389850A (zh) | 一种大规模三维场景的新型可见性生成方法 | |
CN103810756B (zh) | 基于不规则区域的自适性的Loop细分曲面的绘制方法 | |
JP2008186440A (ja) | 構造設計のトポロジー進化最適化演算法 | |
CN108537886B (zh) | 一种虚拟手术切割中的高质量网格划分和优化方法 | |
CN105989605A (zh) | 一种不规则零件下料的排样定位方法 | |
CN110210431A (zh) | 一种基于点云语义标注和优化的点云分类方法 | |
CN103559705A (zh) | 一种比较不同植物形态相似度的计算机方法 | |
CN103337091A (zh) | 一种基于厚度的柔性场景连续碰撞检测方法 | |
CN102393826A (zh) | 一种基于多核并行处理的柔性场景连续碰撞检测方法 | |
CN101276484A (zh) | 基于调和映射的网格生成方法 | |
CN104809290A (zh) | 一种衣物自碰撞检测高层裁剪优化方法 | |
CN106408665A (zh) | 一种新的渐进网格生成方法 | |
CN110001066B (zh) | 一种三维打印最少分区填充方向确定方法 | |
CN115330969A (zh) | 一种用于地面无人车的局部静态环境矢量化描述方法 | |
CN103679814A (zh) | 一种三角形网格模型的处理方法及装置 | |
CN104143214A (zh) | 一种电子地图多边形三角剖分方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171020 Termination date: 20190427 |
|
CF01 | Termination of patent right due to non-payment of annual fee |