CN112733318A - 一种自适应网格细分方法、装置、设备及存储介质 - Google Patents

一种自适应网格细分方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112733318A
CN112733318A CN202011353873.2A CN202011353873A CN112733318A CN 112733318 A CN112733318 A CN 112733318A CN 202011353873 A CN202011353873 A CN 202011353873A CN 112733318 A CN112733318 A CN 112733318A
Authority
CN
China
Prior art keywords
mesh
contour
subdivision
point
edge
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
Application number
CN202011353873.2A
Other languages
English (en)
Other versions
CN112733318B (zh
Inventor
柯晓龙
邱磊
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.)
Xiamen University of Technology
Original Assignee
Xiamen University of Technology
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 Xiamen University of Technology filed Critical Xiamen University of Technology
Priority to CN202011353873.2A priority Critical patent/CN112733318B/zh
Publication of CN112733318A publication Critical patent/CN112733318A/zh
Application granted granted Critical
Publication of CN112733318B publication Critical patent/CN112733318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Image Generation (AREA)

Abstract

本发明提供了一种自适应网格细分方法、装置、设备及存储介质，其方法包括：读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建三角网格顶点和面的第一索引信息；根据第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；获取细分网格的切层轮廓与其对应原始CAD模型的实体轮廓，并计算切层轮廓与实体轮廓弦高差，以弦高差作为网格细分精度的评判依据，当判断弦高差小于阈值时，输出第二索引信息。能快速提高粗糙STL模型的面型精度，并通过判断细分网格精度控制细分次数，其方法简单，通用性好，实用性强，具有很好的应用前景。

Description

一种自适应网格细分方法、装置、设备及存储介质
技术领域
本发明涉及计算机辅助几何造型领域，特别涉及一种自适应网格细分方法、装置、设备及存储介质。
背景技术
STL文件本是用于立体光刻计算机辅助设计软件的文件格式，现已广泛用于增材制造等领域。STL文件以多三角面片逼近模型曲面近似的表达实体零件，其一般通过软件由CAD模型直接生成，输出参数(弦高、步长和角度公差)直接影响到模型成型质量，因此在这一过程中存在模型精度丢失的情况。当STL文件精度不高时，对于后续加工的质量将带来不利的影响，面对这种情况时可以对原始STL模型进行细分直到满足加工精度要求。
在DOI号为10.3901/JME.2016.07.178名为“快速成型中粗糙STL模型细分算法”的科技文献中，应用Hermite空间插值近似表示实体模型曲面，以实现网格的细分。该方法细分效率高能够快速提高网格的精度，但缺少通用性好的评判标准，细分后的三角网格精度缺少可信的数据，不能保证网格细分的精度，并且不能通过对网格精度的判断而控制细分次数。
中国专利申请号201811160886.0公开了一种网格细分方法，该方法获取三角网格模型后，对三角网格做出判断决定是否细分，通过在三角面的边或内部新增顶点，以此将三角网格一分为二，并对新增顶点进行拉普拉斯平滑处理。该方法主要是判断三角网格的面积和最长边，决定三角网格是否要细分，但三角网格的面积和边长都不能说明细分后的网格的精度大小，因此不能有效的提高三角网格的面型精度。
有鉴于此，提出本申请。
发明内容
本发明公开了一种自适应网格细分方法、装置、设备及存储介质，旨在能快速提高粗糙STL模型的面型精度，并通过判断细分网格精度控制细分次数，其方法简单，通用性好，实用性强，具有很好的应用前景。
本发明第一实施例提供了一种自适应网格细分方法，包括：
读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建所述三角网格顶点和面的第一索引信息；
根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；
删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；
获取所述细分网格的切层轮廓与其对应的原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，当判断所述弦高差小于阈值时，输出所述第二索引信息。
优选地，所述获取三角网格中每一边的插值点，具体为：
以所述三角网格各边端点建立三条三次Hermite空间曲线，取所述空间曲线段的中点作为第一基础点；
获取所述第一基础点在对应边上的投影点，并运算所述第一基础点与所述投影点的距离h；
获取所述投影点的单位法矢,并将所述投影点沿所述单位法矢方向平移距离h，以获得第二基础点；
当判断到所述三角网格的边为非公共边时，以所述第二基础点作为所述三角网格一边的插值点；
当判断到所述三角网格的边为公共边时，以获取两次所述第二基础点的中点作为所述三角网格一边的插值点。
优选地，还包括：
当判断到所述切层轮廓与其对应的原始CAD模型的实体轮廓弦高差大于阈值时，重新获取三角网格中每一条边的插值点。
优选地，获取所述细分网格的切层轮廓与其对应的原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，具体为：
获取一组切平面与所述细分网格的切线段，并首尾相连切线段，以生成完整的切层轮廓，其中，相邻交点组成的切线段记为弦；
获取所述一组切平面与所述细分网格对应的原始CAD模型切层轮廓，记为实体轮廓，获取所述相邻交点组成的切线段与所述实体轮廓的最大距离，其中，最大距离记为弦高差。
本发明第二实施例提供了一种自适应网格细分装置，包括：
第一索引信息构建单元，用于读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建所述三角网格顶点和面的第一索引信息；
插值点获取单元，用于根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；
第二索引信息生成单元，用于删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；
弦高差计算单元，用于获取所述细分网格的切层轮廓与其对应的原始 CAD的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，以弦高差作为网格细分精度的评判依据，当判断所述弦高差小于阈值时，输出所述第二索引信息。
优选地，所述插值点获取单元，具体用于：
以所述三角网格各边端点建立三条三次Hermite空间曲线，取所述空间曲线段的中点作为第一基础点；
获取所述第一基础点在对应边上的投影点，并运算所述第一基础点与所述投影点的距离h；
获取所述投影点的单位法矢,并将所述投影点沿所述单位法矢距离h，以获得第二基础点；
当判断到所述三角网格的边为非公共边时，以所述第二基础点作为所述三角网格一边的插值点；
当判断到所述三角网格的边为公共边时，以获取两次所述第二基础点的中点作为所述三角网格一边的插值点。
优选地，还包括：
当判断到所述切层轮廓与其对应的原始CAD的实体轮廓弦高差大于阈值时，重新获取三角网格中每一条边的插值点。
优选地，获取所述细分网格的切层轮廓与其对应的原始CAD的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，具体为：
获取一组切平面与所述细分网格的切线段，并首尾相连切线段，以生成完整的切层轮廓，其中，相邻交点组成的切线段记为弦；
获取所述一组切平面与所述细分网格对应的CAD模型的切层轮廓，记为实体轮廓，获取所述相邻交点组成的切线段与所述实体轮廓的最大距离，其中，最大距离记为弦高差。
本发明第三实施例提供了一种自适应网格细分设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如上任意一项所述的一种自适应网格细分方法。
本发明第四实施例提供了一种存储介质，其特征在于，其特征在于，存储有计算机程序，所述计算机程序能够被该存储介质所在设备的处理器执行，以实现如上任意一项所述的一种自适应网格细分方法。
基于本发明提供的一种自适应网格细分方法、装置、设备及存储介质，通过读取粗糙STL模型，以构建三角网格顶点和面的第一索引信息，根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点，根据插值点构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息，获取所述细分网格的切层轮廓与其对应的原始CAD的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，以弦高差作为网格细分精度的评判依据，当判断所述弦高差小于阈值时，输出所述第二索引信息，能快速提高粗糙STL模型的面型精度，并通过判断弦高差的值来控制细分次数，其方法简单，通用性好，实用性强，具有很好的应用前景。
附图说明
图1是本发明第一实施例提供的一种自适应网格细分方法流程示意图；
图2是本发明实施例提供的插值点处理前的单个三角网格细分示意图；
图3是本发明实施例提供的处理插值基础点的原理图；
图4是本发明实施例提供的插值点处理后的单个三角网格细分示意图；
图5是本发明实施例提供的计算投影点法矢示意图；
图6是本发明实施例提供的计算弦高示意图；
图7是本发明第二实施例提供的一种自适应网格细分装置模块示意图。
具体实施方式
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做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。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，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它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以下结合附图对本发明的具体实施例做详细说明。
本发明公开了一种自适应网格细分方法、装置、设备及存储介质，旨在能快速提高粗糙STL模型的面型精度，并通过判断细分网格精度控制细分次数，其方法简单，通用性好，实用性强，具有很好的应用前景。
请参阅图1，本发明第一实施例提供了一种自适应网格细分方法，其可由自适应细分设备(以下简称细分设备)来执行，特别的，由配对设备内的一个或者多个处理器来执行，以实现如下步骤：
S101，读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建所述三角网格顶点和面的第一索引信息；
在本实施例中，所述细分设备可以是一个用户终端(例如电脑、平板电脑、或其他智能设备)，特别的，所述细分设备内可存储有用于细分网格的数据，以实现根据细分网格的精度来控制细分次数。
S102，根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；
请参阅图2，在本实施例中，获取三角网格中每一条边的插值点具体为：
先以所述三角网格各边端点(A、B、C)建立三条三次Hermite空间曲线，取所述空间曲线段的中点(a、b、c)作为第一基础点；
接着获取所述第一基础点在对应边上的投影点，如图3所示，例如第一基础点a所对应的投影点a’，其他边的第一基础点b、c投影到对应的边上，以获得投影点b’，c’(图未示)，并获取所述第一基础点a与所述投影点a’的距离h；
再接着获取所述投影点a’的单位法矢n,并将所述投影点a’沿所述单位法矢方向平移距离h，以获得第二基础点d；
最后，当判断到所述三角网格的边为非公共边时，以所述第二基础点d 作为所述三角网格一边的插值点；
当判断到所述三角网格的边为公共边时，以获取两次所述第二基础点d 的中点作为所述三角网格一边的插值点。所述插值点处理后的单个三角网格细分示意图，如图4所示。
需要说明的是，在计算所述投影点的单位法矢n时，需要顶点的法矢参与计算，如图5所示，其具体步骤为：假设投影点在三角网格的某一条边P1P2上，P1点的顶点法矢为n1，P2点的顶点法矢为n2，计算投影点与 P1点的距离l1，与P2点的距离l2，则投影点单位法矢n为：n＝n1/l1+n2/ l2。
S103，删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；
需要说明的是，拓扑关系是指满足拓扑几何学原理的各空间数据间的相互关系。即用结点、弧段和多边形所表示的实体之间的邻接、关联、包含和连通关系。如：点与点的邻接关系、点与面的包含关系、线与面的相离关系、面与面的重合关系等，本实施例中，所述拓扑关系指的是点与点的邻接关系。
S104，获取所述细分网格的切层轮廓与其对应原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，以弦高差作为网格细分精度的评判依据，当判断所述弦高差小于阈值时，输出所述第二索引信息。
在本实施例中，为了说明细分网格的细分精度，特别引入弦高评价细分精度，请参阅图6，其中计算弦高的具体步骤，可以先生成一组相同高度的切平面，将所述细分网格进行分层，以获得切平面与所述细分网格的切线段，并首尾相连切线段，以生成完整的切层轮廓，其中，相邻交点组成的切线段记为弦；
获取一组切平面与所述细分网格对应的原始CAD模型的切层轮廓，记为实体轮廓，获取所述相邻交点组成的切线段与所述实体轮廓的最大距离，其中，最大距离记为弦高差。
需要说明的是，当所述弦高差小于阈值时，则说明精度符合预期，可以输出之前生成的第二索引信息，在本实施例中，还包括：当判断到所述切层轮廓与实体轮廓弦高差大于阈值时(则说明精度不符合预期)，重新获取三角网格中每一条边的插值点。可以理解的是，可以设置弦高差的阈值来控制精度，进而控制细分的次数。其方法简单，通用性好，实用性强，具有很好的应用前景。
请参阅图7，本发明第二实施例提供了一种自适应网格细分装置，包括：
第一索引信息构建单201，用于读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建所述三角网格顶点和面的第一索引信息；
插值点获取单元202，用于根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；
第二索引信息生成单元203，用于删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；
弦高差计算单元204，用于获取所述细分网格的切层轮廓与其对应的原始CAD的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，以弦高差作为网格细分精度的评判依据，当判断所述弦高差小于阈值时，输出所述第二索引信息。
优选地，所述插值点获取单元，具体用于：
以所述三角网格各边端点建立三条三次Hermite空间曲线，取所述空间曲线段的中点作为第一基础点；
获取所述第一基础点在对应边上的投影点，并运算所述第一基础点与所述投影点的距离h；
获取所述投影点的单位法矢,并将所述投影点沿所述单位法矢距离h，以获得第二基础点；
当判断到所述三角网格的边为非公共边时，以所述第二基础点作为所述三角网格一边的插值点；
当判断到所述三角网格的边为公共边时，以获取两次所述第二基础点的中点作为所述三角网格一边的插值点。
优选地，还包括：
当判断到所述切层轮廓与实体轮廓弦高差大于阈值时，重新获取三角网格中每一条边的插值点。
优选地，获取所述细分网格的切层轮廓与其对应的原始CAD的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，具体为：
获取一组切平面与所述细分网格的切线段，并首尾相连切线段，以生成完整的切层轮廓，其中，相邻交点组成的切线段记为弦；
获取一组切平面与所述细分网格对应的CAD模型的切层轮廓，并记为实体轮廓，获取所述相邻交点组成的切线段与所述实体轮廓的最大距离，其中，最大距离记为弦高差。
本发明第三实施例提供了一种自适应网格细分设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如上任意一项所述的一种自适应网格细分方法。
本发明第四实施例提供了一种存储介质，其特征在于，其特征在于，存储有计算机程序，所述计算机程序能够被该存储介质所在设备的处理器执行，以实现如上任意一项所述的一种自适应网格细分方法。
基于本发明提供的一种自适应网格细分方法、装置、设备及存储介质，通过读取粗糙STL模型，以构建三角网格顶点和面的第一索引信息，根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点，根据插值点构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息，获取所述细分网格的切层轮廓与其对应的原始CAD的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，以弦高差作为网格细分精度的评判依据，当判断所述弦高差小于阈值时，输出所述第二索引信息，能快速提高粗糙STL模型的面型精度，并通过判断弦高差的值来控制细分次数，其方法简单，通用性好，实用性强，具有很好的应用前景。
示例性地，本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现一种自适应网格细分设备中的执行过程。例如，本发明第二实施例中所述的装置。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor， DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述自适应细分方法的控制中心，利用各种接口和线路连接整个所述实现对自适应细分方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现自适应细分方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述实现的模块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介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种自适应网格细分方法，其特征在于，包括：
读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建所述三角网格顶点和面的第一索引信息；
根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；
删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；
获取所述细分网格的切层轮廓与其对应原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，当判断到所述弦高差小于阈值时，输出所述第二索引信息。
2.根据权利要求1所述的一种自适应网格细分方法，其特征在于，所述获取三角网格中每一边的插值点，具体为：
以所述三角网格各边端点建立三条三次Hermite空间曲线，取所述空间曲线段的中点作为第一基础点；
获取所述第一基础点在对应边上的投影点，并获取所述第一基础点与所述投影点的距离h；
获取所述投影点的单位法矢,并将所述投影点沿所述单位法矢方向平移距离h，以获得第二基础点；
当判断到所述三角网格的边为非公共边时，以所述第二基础点作为所述三角网格一边的插值点；
当判断到所述三角网格的边为公共边时，以获取两次所述第二基础点的中点作为所述三角网格一边的插值点。
3.根据权利要求1所述的一种自适应网格细分方法，其特征在于，还包括：
当判断到所述切层轮廓与实体轮廓弦高差大于阈值时，重新获取三角网格中每一条边的插值点。
4.根据权利要求1所述的一种自适应网格细分方法，其特征在于，获取所述细分网格的切层轮廓与其对应原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，具体为：
获取一组切平面与所述细分网格的切线段，并首尾相连切线段，以生成完整的切层轮廓，其中，相邻交点组成的切线段记为弦；
获取所述切平面与所述细分网格对应的原始CAD模型的的切层轮廓，记为实体轮廓，获取所述相邻交点组成的切线段与所述实体轮廓的最大距离，其中，最大距离记为弦高差。
5.一种自适应网格细分装置，其特征在于，包括：
第一索引信息构建单元，用于读取粗糙STL模型，以获得三角网格顶点坐标信息与法矢信息，构建所述三角网格顶点和面的第一索引信息；
插值点获取单元，用于根据所述第一索引信息遍历每一三角网格，获取三角网格中每一条边的插值点；
第二索引信息生成单元，用于删除冗余的插值点并构建拓扑关系，同时生成细分网格的顶点坐标和面的第二索引信息；
弦高差计算单元，用于获取所述细分网格的切层轮廓与其对应的原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，当判断所述弦高差小于阈值时，输出所述第二索引信息。
6.根据权利要求5所述的一种自适应网格细分装置，其特征在于，所述插值点获取单元，具体用于：
以所述三角网格各边端点建立三条三次Hermite空间曲线，取所述空间曲线段的中点作为第一基础点；
获取所述第一基础点在对应边上的投影点，并运算所述第一基础点与所述投影点的距离h；
获取所述投影点的单位法矢,并将所述投影点沿所述单位法矢距离h，以获得第二基础点；
当判断到所述三角网格的边为非公共边时，以所述第二基础点作为所述三角网格一边的插值点；
当判断到所述三角网格的边为公共边时，以获取两次所述第二基础点的中点作为所述三角网格一边的插值点。
7.根据权利要求5所述的一种自适应网格细分装置，其特征在于，还包括：
当判断到所述切层轮廓与实体轮廓弦高差大于阈值时，重新获取三角网格中每一条边的插值点。
8.根据权利要求5所述的一种自适应网格细分装置，其特征在于，获取所述细分网格的切层轮廓与其对应的原始CAD模型的实体轮廓，并计算所述切层轮廓与实体轮廓弦高差，具体为：
获取一组切平面与所述细分网格的切线段，并首尾相连切线段，以生成完整的切层轮廓，其中，相邻交点组成的切线段记为弦；
获取所述一组切平面与所述细分网格对应的原始CAD模型的切层轮廓，记为实体轮廓，获取所述相邻交点组成的切线段与所述实体轮廓的最大距离，其中，最大距离记为弦高差。
9.一种自适应网格细分设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如权利要求1至4任意一项所述的一种自适应网格细分方法。
10.一种存储介质，其特征在于，其特征在于，存储有计算机程序，所述计算机程序能够被该存储介质所在设备的处理器执行，以实现如权利要求1至4任意一项所述的一种自适应网格细分方法。
CN202011353873.2A 2020-11-27 2020-11-27 一种自适应网格细分方法、装置、设备及存储介质 Active CN112733318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011353873.2A CN112733318B (zh) 2020-11-27 2020-11-27 一种自适应网格细分方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011353873.2A CN112733318B (zh) 2020-11-27 2020-11-27 一种自适应网格细分方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112733318A true CN112733318A (zh) 2021-04-30
CN112733318B CN112733318B (zh) 2023-05-23

Family

ID=75597796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011353873.2A Active CN112733318B (zh) 2020-11-27 2020-11-27 一种自适应网格细分方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112733318B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113312778A (zh) * 2021-06-04 2021-08-27 浙江大学 一种自适应于模型几何特征的非结构网格生成方法
CN113902872A (zh) * 2021-10-11 2022-01-07 中国石油大学(华东) 非结构基质网格与裂缝连接性的检测方法、装置及介质
CN114329698A (zh) * 2021-12-13 2022-04-12 清华大学建筑设计研究院有限公司 建筑物表皮曲面网格构建方法、装置、设备和存储介质
CN115861512A (zh) * 2023-01-31 2023-03-28 南京砺算科技有限公司 用于曲面细分的输出点序列确定方法及装置、存储介质
CN117272759A (zh) * 2023-11-20 2023-12-22 埃洛克航空科技（北京）有限公司 三维重建过程中三角格网的分裂方法、装置和计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125659A1 (en) * 2014-10-31 2016-05-05 IntegrityWare, Inc. Methods and systems for multilevel editing of subdivided polygonal data
CN105867310A (zh) * 2016-04-11 2016-08-17 北京航空航天大学 基于occ实现t样条模型的数控加工方法及系统
CN107025687A (zh) * 2016-12-27 2017-08-08 西北大学 一种基于视觉依赖曲率估算的文物线图绘制方法
CN109325316A (zh) * 2018-11-15 2019-02-12 南京理工大学 基于共点焊接排序的stl模型高效并行切层方法
CN110757804A (zh) * 2018-07-26 2020-02-07 中国科学院沈阳自动化研究所 一种基于纹理贴图三维模型的全彩色分层切片算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125659A1 (en) * 2014-10-31 2016-05-05 IntegrityWare, Inc. Methods and systems for multilevel editing of subdivided polygonal data
CN105867310A (zh) * 2016-04-11 2016-08-17 北京航空航天大学 基于occ实现t样条模型的数控加工方法及系统
CN107025687A (zh) * 2016-12-27 2017-08-08 西北大学 一种基于视觉依赖曲率估算的文物线图绘制方法
CN110757804A (zh) * 2018-07-26 2020-02-07 中国科学院沈阳自动化研究所 一种基于纹理贴图三维模型的全彩色分层切片算法
CN109325316A (zh) * 2018-11-15 2019-02-12 南京理工大学 基于共点焊接排序的stl模型高效并行切层方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张争艳;陈萍;杨丽;胡吉全;陈定方;: "快速成型中粗糙STL模型细分算法", 机械工程学报 *
钟山;杨永强;: "RE/RP集成系统中基于STL的精确分层方法", 计算机集成制造系统 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113312778A (zh) * 2021-06-04 2021-08-27 浙江大学 一种自适应于模型几何特征的非结构网格生成方法
CN113902872A (zh) * 2021-10-11 2022-01-07 中国石油大学(华东) 非结构基质网格与裂缝连接性的检测方法、装置及介质
CN114329698A (zh) * 2021-12-13 2022-04-12 清华大学建筑设计研究院有限公司 建筑物表皮曲面网格构建方法、装置、设备和存储介质
CN115861512A (zh) * 2023-01-31 2023-03-28 南京砺算科技有限公司 用于曲面细分的输出点序列确定方法及装置、存储介质
CN117272759A (zh) * 2023-11-20 2023-12-22 埃洛克航空科技（北京）有限公司 三维重建过程中三角格网的分裂方法、装置和计算机设备
CN117272759B (zh) * 2023-11-20 2024-03-15 埃洛克航空科技（北京）有限公司 三维重建过程中三角格网的分裂方法、装置和计算机设备

Also Published As

Publication number Publication date
CN112733318B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN112733318A (zh) 一种自适应网格细分方法、装置、设备及存储介质
CN110136072B (zh) 点云噪声的去除方法、去噪系统、计算机设备及存储介质
CN105590339B (zh) 三维模型的碰撞检测方法及系统
CN111581776B (zh) 一种基于几何重建模型的等几何分析方法
CN110832548A (zh) 三维网格模型的简化方法与装置
CN113724401B (zh) 一种三维模型切割方法、装置、计算机设备和存储介质
Joy et al. Frame-sliced voxel representation: An accurate and memory-efficient modeling method for workpiece geometry in machining simulation
CN111612888B (zh) 一种文物建筑图形的自动生成方法、系统及存储介质
CN114332291A (zh) 一种倾斜摄影模型建筑物外轮廓规则提取方法
CN115937434A (zh) 一种基于纹理的三维模型裁切装置
CN114202642A (zh) 三维三角网模型中超大空洞的填补方法及设备
US8264487B2 (en) Method for converting polygonal surfaces to levelsets
CN114429535A (zh) 一种三角网格曲面的光滑裁剪方法及装置
CN105869210A (zh) 三维地质表面模型中的插值数据处理方法
CN105931297A (zh) 三维地质表面模型中的数据处理方法
CN115330971B (zh) 一种面向渲染性能优化的几何模型轻量化方法
CN109101674B (zh) 一种复杂线性模型规则化建模方法及系统
CN103065306A (zh) 图形数据的处理方法及装置
CN111833452B (zh) 多面体切割三角网的切割方法及系统
CN112819108B (zh) 一种多源异构模型的切片融合方法、系统及存储介质
CN115481268A (zh) 一种平行线墙体数据识别方法、装置、设备及存储介质
CN110717291B (zh) 一种焊接结构件变形仿真方法、装置、设备及存储介质
CN113888718A (zh) 基于横截面模版的路线建模方法和装置
Ng et al. Incremental tessellation of trimmed parametric surfaces
CN105869209A (zh) 三维地质表面模型中的畸形三角形数据处理方法

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