CN110599597B - 基于高斯曲率滤波的三维网格处理方法、装置及存储介质 - Google Patents

基于高斯曲率滤波的三维网格处理方法、装置及存储介质 Download PDF

Info

Publication number
CN110599597B
CN110599597B CN201910776891.2A CN201910776891A CN110599597B CN 110599597 B CN110599597 B CN 110599597B CN 201910776891 A CN201910776891 A CN 201910776891A CN 110599597 B CN110599597 B CN 110599597B
Authority
CN
China
Prior art keywords
umbrella
mesh
shaped
gaussian curvature
dimensional
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.)
Active
Application number
CN201910776891.2A
Other languages
English (en)
Other versions
CN110599597A (zh
Inventor
唐文名
龚元浩
刘军
邱国平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201910776891.2A priority Critical patent/CN110599597B/zh
Publication of CN110599597A publication Critical patent/CN110599597A/zh
Application granted granted Critical
Publication of CN110599597B publication Critical patent/CN110599597B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30—Polynomial surface description

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种基于高斯曲率滤波的三维网格处理方法、装置及计算机可存储介质，其中，处理方法包括：通过域分解使三维网格所有顶点分成几个不同的域，可以使得每个伞状网格顶点互不同类别，保证在移动某单个伞状网格某一顶点时，该伞状网格其他邻域顶点不移动，这样不仅可以保证算法收敛，且能够方便设置并行算法，然后根据伞状三维网格邻域顶点几何特征进行约束，在降低高斯曲率的同时保存原有几何特征。本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，节省了计算高斯曲率的开销，算法容易实现；使用隐式优化高斯曲率来达到三维网格的去噪与保特征的目的，去噪的同时能保原有几何特征。

Description

基于高斯曲率滤波的三维网格处理方法、装置及存储介质
技术领域
本申请实施例涉及三维模型处理领域，特别是涉及一种基于高斯曲率滤波的三维网格处理方法、装置及计算机可存储介质。
背景技术
随着三维打印及扫描技术的发展，生活中的三维模型越来越普遍。目前三维模型描述方式较多，大致有点云，体素，三维网格等方法。其中三维网格由顶点和边组成，凭借着顶点间的几何拓扑关系，网格能准确地描述三维模型的几何特征而成为人们研究的热点。通常，扫描得到的三维网格大多带有噪声而不能直接使用。因此需要有滤除噪声这一环节。在去噪的同时一般会伴随着原有几何特征的丢失，因而在去噪的同时将原有特征保存下来是个技术难点。
目前三维网格去噪与特征保留方法大多为以顶点与面片法线分析优化为主，此类方法针对不同的模型大多需要设置不同的人为假设先验，从而导致系统人为参数过多而不易使用。另外传统的算法要显示地计算每个顶点的高斯曲率，这样很麻烦，并且需求曲面二次可导，而事实上3D mesh(三维网格)不符合曲面二次可导的要求的。
发明内容
本发明第一方面提供了一种基于高斯曲率滤波的三维网格处理方法，旨在解决上述问题之一；
本发明第二方面提供了一种基于高斯曲率滤波的三维网格处理装置，旨在解决上述问题之一；
本发明第三方面提供了另一种基于高斯曲率滤波的三维网格处理装置，旨在解决上述问题之一；
本发明第四方面提供了一种计算机可存储介质，旨在解决上述问题之一。
在本发明第一方面中，一种基于高斯曲率滤波的三维网格处理方法包括：
根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，其中，所述伞状网格中的其中一个顶点移动时，邻域顶点不同时移动，这样可以保证算法收敛，同时可设置高效并行处理算法；
根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率。
作为一种可选的实施方式，在所述通过域分解算法将目标三维网格中的所有顶点分成至少两个伞状网格之前，所述方法还包括：
通过扫描装置扫描目标打印对象并生成所述目标三维网格，其中，所述目标三维网格由若干个顶点和边组成。
作为一种可选的实施方式，所述域分解算法中包括重叠型区域分解法和不重叠型区域分解法中的至少一种。
作为一种可选的实施方式，所述根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率，包括：
根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离，且按照预设的迭代更新阈值迭代更新所述伞状网格对应的所述顶点的空间位置。
在本发明第二方面中，一种基于高斯曲率滤波的三维网格处理装置，包括分解单元和迭代单元、迭代单元及计算单元，其中：
所述分解单元，用于根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，其中，通过设置并行算法，所述伞状网格中的顶点移动时，相邻伞状网格对应的顶点不移动；
所述计算单元，用于根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
所述迭代单元，用于根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率。
作为一种可选的实施方式，所述装置还包括扫描单元，所述扫描单元用于扫描目标打印对象并生成所述目标三维网格，其中，所述目标三维网格由若干个顶点和边组成。
作为一种可选的实施方式，所述域分解算法中包括重叠型区域分解法和不重叠型区域分解法中的至少一种。
作为一种可选的实施方式，所述迭代单元，用于根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离，且按照预设的迭代更新阈值迭代更新所述伞状网格对应的所述顶点的空间位置。
在本发明第三方面中，一种基于高斯曲率滤波的三维网格处理装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面所述的基于高斯曲率滤波的三维网格处理方法。
在本发明第四方面中，一种计算机可存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面所述的一种基于高斯曲率滤波的三维网格处理方法。
与现有技术相比，本发明的有益效果为：
本发明能够通过域分解算法将三维网格顶点分成独立的几个类，这样在保证在移动顶点时它的邻域顶点不移动，进而保证算法的收敛性，同时域分解算法可以方便地设计并行算法，进而提高算法运行速度。另一方面，本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，进而节省了计算高斯曲率的开销，且算法容易实现。再一方面，本发明的三维网格的处理过程只需一个迭代次数参数，相比现有网格处理算法具有使用方面、鲁棒性更好的优点。又一方面，本发明通过计算三维网格中的每个伞状网格的高斯曲率，来优化整体模型高斯曲率能量，而在这一过程中，不需要过多的人为假设先验参数设置，进而在几何信息丰富三维网格模型中，有很强的去噪以及特征保留功能。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一公开的一种基于高斯曲率滤波的三维网格处理方法的流程示意图；
图2是本发明实施例二公开的一种基于高斯曲率滤波的三维网格处理装置的结构示意图；
图3是本发明实施例三公开的一种基于高斯曲率滤波的三维网格处理装置的结构示意图；
图4为伞状网格顶点与邻域顶点关系示意图；
图5为伞状网格邻域顶点Laplace算子方向向量示意图；
图6为伞状网格邻域顶点几何约束投影关系示意图；
图7伞状网格顶点迭代更新的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于高斯曲率滤波的三维网格处理方法的流程示意图。如图1所示，该方法包括：
101、根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，以使得所述伞状网格中的其中一个顶点移动时，邻域顶点不同时移动；
102、根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
103、根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率。
其中，三维网格的基本结构的示意图如图4所示。进一步地，如图4、图5、图6所示，该伞状网格由顶点V,边，面片组成。如图5所示，伞状网格的顶点用Vi表示，而Vi对应的Laplace算子用σl表示，其中:
σl＝(ViVj1+ViVj2+…+ViVj5)/5
如图6所示，根据伞状网格的顶点与相邻伞状网格的顶点之间的几何约束关系，得到边{ViVj1,ViVj2…ViVj5}到方向向量集
Figure GDA0003951104780000061
的投影距离|d|{|d|1,|d|2,…|d|n}，其中，从|d|{|d|1,|d|2,…|d|n}中选取最小的|d|min。在获取到σl和|d|min后，如图7所示，迭代更新后的伞状网格的顶点V′i可表示为:
V′i＝Vi+σl*|d|min；
作为一种可选的实施方式，在所述通过域分解算法将目标三维网格中的所有顶点分成至少两个伞状网格之前，所述方法还包括：
通过扫描装置扫描目标打印对象并生成所述目标三维网格，其中，所述目标三维网格由若干个顶点和边组成。
作为一种可选的实施方式，所述域分解算法中包括重叠型区域分解法和不重叠型区域分解法中的至少一种。
作为一种可选的实施方式，所述根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率，包括：
根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离，且按照预设的迭代更新阈值迭代更新所述伞状网格对应的所述顶点的空间位置。
本发明能够通过域分解算法将三维网格顶点分成独立的几个类，这样在保证在移动顶点时它的邻域顶点不移动，进而保证算法的收敛性，同时域分解算法可以方便地设计并行算法，进而提高算法运行速度。另一方面，本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，进而节省了计算高斯曲率的开销，且算法容易实现。再一方面，本发明的三维网格的处理过程只需一个迭代次数参数，相比现有网格处理算法具有使用方面、鲁棒性更好的优点。又一方面，本发明通过计算三维网格中的每个伞状网格的高斯曲率，来优化整体模型高斯曲率能量，而在这一过程中，不需要过多的人为假设先验参数设置，进而在几何信息丰富三维网格模型中，有很强的去噪以及特征保留功能。
实施例二
请参阅图2，图2是本发明实施例公开的一种基于高斯曲率滤波的三维网格处理装置的结构示意图。如图2示，该装置可以包括分解单元201和迭代单元203、迭代单元203、计算单元202，其中：
所述分解单元201，用于根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，其中，所述伞状网格中的顶点移动时，其邻域顶点不同时移动，这样可以保证算法收敛，同时可设置高效并行处理算法；
所述计算单元202，用于根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
所述迭代单元203，用于根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率。
作为一种可选的实施方式，所述装置还包括扫描单元，所述扫描单元用于扫描目标打印对象并生成所述目标三维网格，其中，所述目标三维网格由若干个顶点和边组成。
作为一种可选的实施方式，所述域分解算法中包括重叠型区域分解法和不重叠型区域分解法中的至少一种。
作为一种可选的实施方式，所述迭代单元，用于根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离，且按照预设的迭代更新阈值迭代更新所述伞状网格对应的所述顶点的空间位置。
本发明能够通过域分解算法将三维网格顶点分成独立的几个类，这样在保证在移动顶点时它的邻域顶点不移动，进而保证算法的收敛性，同时域分解算法可以方便地设计并行算法，进而提高算法运行速度。另一方面，本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，进而节省了计算高斯曲率的开销，且算法容易实现。再一方面，本发明的三维网格的处理过程只需一个迭代次数参数，相比现有网格处理算法具有使用方面、鲁棒性更好的优点。又一方面，本发明通过计算三维网格中的每个伞状网格的高斯曲率，来优化整体模型高斯曲率能量，而在这一过程中，不需要过多的人为假设先验参数设置，进而在几何信息丰富三维网格模型中，有很强的去噪以及特征保留功能。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于高斯曲率滤波的三维网格处理装置的结构示意图。如图3所示，该设备可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行以下步骤：
根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，其中，通过设置并行算法，所述伞状网格中的顶点移动时，相邻伞状网格对应的顶点不移动；
根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，以使得所述伞状网格中的其中一个顶点移动时，邻域顶点不同时移动；
根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率。
本发明能够通过域分解算法将三维网格顶点分成独立的几个类，这样在保证在移动顶点时它的邻域顶点不移动，进而保证算法的收敛性，同时域分解算法可以方便地设计并行算法，进而提高算法运行速度。另一方面，本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，进而节省了计算高斯曲率的开销，且算法容易实现。再一方面，本发明的三维网格的处理过程只需一个迭代次数参数，相比现有网格处理算法具有使用方面、鲁棒性更好的优点。又一方面，本发明通过计算三维网格中的每个伞状网格的高斯曲率，来优化整体模型高斯曲率能量，而在这一过程中，不需要过多的人为假设先验参数设置，进而在几何信息丰富三维网格模型中，有很强的去噪以及特征保留功能。
实施例四
本发明实施例四公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一所描述的一种基于高斯曲率滤波的三维网格处理方法中的步骤。
本发明能够通过域分解算法将三维网格顶点分成独立的几个类，这样在保证在移动顶点时它的邻域顶点不移动，进而保证算法的收敛性，同时域分解算法可以方便地设计并行算法，进而提高算法运行速度。另一方面，本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，进而节省了计算高斯曲率的开销，且算法容易实现。再一方面，本发明的三维网格的处理过程只需一个迭代次数参数，相比现有网格处理算法具有使用方面、鲁棒性更好的优点。又一方面，本发明通过计算三维网格中的每个伞状网格的高斯曲率，来优化整体模型高斯曲率能量，而在这一过程中，不需要过多的人为假设先验参数设置，进而在几何信息丰富三维网格模型中，有很强的去噪以及特征保留功能。
实施例五
本发明实施五公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一所描述的一种基于高斯曲率滤波的三维网格处理方法中的步骤。
本发明能够通过域分解算法将三维网格顶点分成独立的几个类，这样在保证在移动顶点时它的邻域顶点不移动，进而保证算法的收敛性，同时域分解算法可以方便地设计并行算法，进而提高算法运行速度。另一方面，本发明通过优化伞状网格顶点高斯曲率绝对值和伞状网格定顶点的更新策略，能够不用显式计算该点的高斯曲率，进而节省了计算高斯曲率的开销，且算法容易实现。再一方面，本发明的三维网格的处理过程只需一个迭代次数参数，相比现有网格处理算法具有使用方面、鲁棒性更好的优点。又一方面，本发明通过计算三维网格中的每个伞状网格的高斯曲率，来优化整体模型高斯曲率能量，而在这一过程中，不需要过多的人为假设先验参数设置，进而在几何信息丰富三维网格模型中，有很强的去噪以及特征保留功能。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网格单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网格设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于高斯曲率滤波的三维网格处理方法，其特征在于，所述方法包括：
通过域分解算法将目标三维网格中的所有顶点分成至少两个伞状网格；根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，以使得所述伞状网格中的其中一个顶点移动时，邻域顶点不同时移动；
根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述最小绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率；通过计算三维网格中的每个伞状网格的高斯曲率来优化整体模型的高斯曲率。
2.权利要求1所述的方法，其特征在于，在所述通过域分解算法将目标三维网格中的所有顶点分成至少两个伞状网格之前，所述方法还包括：
通过扫描装置扫描目标打印对象并生成所述目标三维网格，其中，所述目标三维网格由若干个顶点和边组成。
3.权利要求1所述的方法，其特征在于，所述域分解算法中包括重叠型区域分解法和不重叠型区域分解法中的至少一种。
4.权利要求1所述的方法，其特征在于，所述根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述最小 绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率，包括：
根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述最小 绝对值投影距离，且按照预设的迭代更新阈值迭代更新所述伞状网格对应的所述顶点的空间位置。
5.一种基于高斯曲率滤波的三维网格处理装置，其特征在于：包括分解单元、迭代单元及计算单元，其中：
所述分解单元，用于通过域分解算法将目标三维网格中的所有顶点分成至少两个伞状网格；根据域分解算法，将目标三维网格中的所有顶点划分为不同的域类，以使得在所述目标三维网格中的伞状网格对应的所有顶点均属于不同的域类，以使得所述伞状网格中的其中一个顶点移动时，邻域顶点不同时移动；
所述计算单元，用于根据所述伞状网格对应的所述顶点与所述邻域顶点之间的几何约束投影关系，计算所述伞状网格对应的最小绝对值投影距离；
所述迭代单元，用于根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述最小绝对值投影距离迭代更新所述伞状网格对应的所述顶点的空间位置，以优化所述伞状网格对应的所述顶点的高斯曲率；通过计算三维网格中的每个伞状网格的高斯曲率来优化整体模型的高斯曲率。
6.如权利要求5所述的装置，其特征在于，所述装置还包括扫描单元，所述扫描单元用于扫描目标打印对象并生成所述目标三维网格，其中，所述目标三维网格由若干个顶点和边组成。
7.如权利要求5所述的装置，其特征在于，所述域分解算法中包括重叠型区域分解法和不重叠型区域分解法中的至少一种。
8.如权利要求5所述的装置，其特征在于，所述迭代单元，用于根据所述伞状网格对应的所述顶点的Laplace算子单位向量和所述伞状网格对应的所述最小 绝对值投影距离，且按照预设的迭代更新阈值迭代更新所述伞状网格对应的所述顶点的空间位置。
9.一种基于高斯曲率滤波的三维网格处理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-4任一项所述的基于高斯曲率滤波的三维网格处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-4任一项所述的一种基于高斯曲率滤波的三维网格处理方法。
CN201910776891.2A 2019-08-22 2019-08-22 基于高斯曲率滤波的三维网格处理方法、装置及存储介质 Active CN110599597B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910776891.2A CN110599597B (zh) 2019-08-22 2019-08-22 基于高斯曲率滤波的三维网格处理方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910776891.2A CN110599597B (zh) 2019-08-22 2019-08-22 基于高斯曲率滤波的三维网格处理方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN110599597A CN110599597A (zh) 2019-12-20
CN110599597B true CN110599597B (zh) 2023-02-21

Family

ID=68855083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910776891.2A Active CN110599597B (zh) 2019-08-22 2019-08-22 基于高斯曲率滤波的三维网格处理方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110599597B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111291793B (zh) * 2020-01-20 2023-11-14 北京大学口腔医学院 一种网格曲面的元素分类方法、装置及存储介质
CN117593209B (zh) * 2023-12-06 2024-07-09 深圳信息职业技术学院 基于曲率驱动的多流图神经网络三维网格去噪方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000251095A (ja) * 1999-02-26 2000-09-14 Ricoh Co Ltd ポリゴンメッシュの領域分割方法及びその装置並びに情報記録媒体
CN101465005A (zh) * 2009-01-13 2009-06-24 北京大学 噪声网格模型的多尺度特征线检测方法
CN102792302A (zh) * 2010-03-09 2012-11-21 康奈可关精株式会社 用于形成表面处理数据的方法和装置
CN107886569A (zh) * 2017-12-27 2018-04-06 武汉大学 一种基于离散李导数的测度可控的曲面参数化方法及系统
CN110120069A (zh) * 2019-03-26 2019-08-13 深圳大学 基于拉普拉斯算子的三角网格滤波方法及终端设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6879324B1 (en) * 1998-07-14 2005-04-12 Microsoft Corporation Regional progressive meshes
US7129942B2 (en) * 2002-12-10 2006-10-31 International Business Machines Corporation System and method for performing domain decomposition for multiresolution surface analysis
US8749543B2 (en) * 2006-08-15 2014-06-10 Microsoft Corporation Three dimensional polygon mesh deformation using subspace energy projection

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000251095A (ja) * 1999-02-26 2000-09-14 Ricoh Co Ltd ポリゴンメッシュの領域分割方法及びその装置並びに情報記録媒体
CN101465005A (zh) * 2009-01-13 2009-06-24 北京大学 噪声网格模型的多尺度特征线检测方法
CN102792302A (zh) * 2010-03-09 2012-11-21 康奈可关精株式会社 用于形成表面处理数据的方法和装置
CN107886569A (zh) * 2017-12-27 2018-04-06 武汉大学 一种基于离散李导数的测度可控的曲面参数化方法及系统
CN110120069A (zh) * 2019-03-26 2019-08-13 深圳大学 基于拉普拉斯算子的三角网格滤波方法及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于曲率约束的三维模型凹区域分割线提取算法;贾晖等;《计算机工程》;20141215(第12期);第229-234页 *

Also Published As

Publication number Publication date
CN110599597A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
US10089781B2 (en) Three-dimensional point cloud model reconstruction method, computer readable storage medium and device
Wang et al. A framework for 3D model reconstruction in reverse engineering
WO2018098891A1 (zh) 一种立体匹配方法及系统
CN105551028B (zh) 一种基于遥感影像的地理空间数据动态更新的方法及系统
Digne et al. Feature-preserving surface reconstruction and simplification from defect-laden point sets
Labatut et al. Robust and efficient surface reconstruction from range data
Lozes et al. Partial difference operators on weighted graphs for image processing on surfaces and point clouds
Gao et al. Feature preserving octree‐based hexahedral meshing
CN110930334B (zh) 一种基于神经网络的网格去噪方法
CN110599597B (zh) 基于高斯曲率滤波的三维网格处理方法、装置及存储介质
CN109472870B (zh) 一种基于网格重构和多影响域修正的模型匹配方法
CN107895173B (zh) 标注图像目标的方法、装置、设备及可读存储介质
CN107730587B (zh) 一种基于图片快速三维化交互式建模方法
KR101853237B1 (ko) 딥 러닝을 이용한 3차원 기하 디노이징 방법 및 그 장치
CN110084894B (zh) 三维模型的局部放大展示方法、装置与电子设备
CN116805356A (zh) 建筑模型的构建方法、设备及计算机可读存储介质
CN109118589A (zh) 几何模型全频细节修复方法
CN113296542A (zh) 一种航拍拍摄点获取方法及系统
CN114862861B (zh) 基于少样本学习的肺叶分割方法和装置
CN110176021A (zh) 结合亮度校正的显著性信息的水平集图像分割方法及系统
WO2018039936A1 (en) Fast uv atlas generation and texture mapping
CN110120069A (zh) 基于拉普拉斯算子的三角网格滤波方法及终端设备
CN116468632A (zh) 一种基于自适应特征保持的网格去噪方法及装置
Han et al. Iterative guidance normal filter for point cloud
CN115193034A (zh) 虚拟场景中水流区域的渲染方法、装置以及计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant