CN115035268A - 网格模型的简化方法、装置、设备及存储介质 - Google Patents
网格模型的简化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115035268A CN115035268A CN202210566295.3A CN202210566295A CN115035268A CN 115035268 A CN115035268 A CN 115035268A CN 202210566295 A CN202210566295 A CN 202210566295A CN 115035268 A CN115035268 A CN 115035268A
- Authority
- CN
- China
- Prior art keywords
- edge
- determining
- vertex
- error measure
- measure
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims description 57
- 230000008602 contraction Effects 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 5
- 238000009877 rendering Methods 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例提供了一种网格模型的简化方法、装置、设备及存储介质。确定初始网格模型各顶点的特征信息;根据所述各顶点的特征信息确定各条边的误差测度;将误差测度最小的边进行收缩,获得收缩顶点和新的边;基于所述收缩顶点确定所述新的边的误差测度;返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。本实施例提供的网格模型的简化方法,基于顶点的特征信息确定边的误差测度,再基于误差测度对边进行收缩,可以能够在简化网格的同时有效的保持几何细节,从而利于后续三维模型渲染后的可视化效果。
Description
技术领域
本公开实施例涉及计算机图形技术领域,尤其涉及一种网格模型的简化方法、装置、设备及存储介质。
背景技术
网格简化作为一种常用的网格处理方法,已被广泛用于逆向工程、虚拟现实、游戏以及影视特效等领域。几何细节的精细程度直接影响模型的可视化效果,然而高精度模型本身也会造成较大的硬件开销,因而如何在简化模型的同时更好的兼顾模型固有的几何细节成为亟待解决的问题。
发明内容
本公开实施例提供一种网格模型的简化方法、装置、设备及存储介质,能够在简化网格的同时有效的保持几何细节。
第一方面,本公开实施例提供了一种网格模型的简化方法,其特征在于,包括:
确定初始网格模型各顶点的特征信息;
根据所述各顶点的特征信息确定各条边的误差测度;
将误差测度最小的边进行收缩,获得收缩顶点和新的边;
基于所述收缩顶点确定所述新的边的误差测度;
返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
第二方面,本公开实施例还提供了一种网格模型的简化装置,包括:
顶点特征信息确定模块,用于确定初始网格模型各顶点的特征信息;
边的误差测度确定模块,用于根据所述各顶点的特征信息确定各条边的误差测度;
边收缩模块,用于将误差测度最小的边进行收缩,获得收缩顶点和新的边;
新边的误差测度确定模块,用于基于所述收缩顶点确定所述新的边的误差测度;
目标网格模型获取模块,用于返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本公开实施例所述的网格模型的简化方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例所述的网格模型的简化方法。
本公开实施例公开了一种网格模型的简化方法、装置、设备及存储介质。确定初始网格模型各顶点的特征信息;根据各顶点的特征信息确定各条边的误差测度;将误差测度最小的边进行收缩,获得收缩顶点和新的边;基于收缩顶点确定新的边的误差测度;返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。本实施例提供的网格模型的简化方法,基于顶点的特征信息确定边的误差测度,再基于误差测度对边进行收缩,可以能够在简化网格的同时有效的保持几何细节,从而利于后续三维模型渲染后的可视化效果。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开实施例所提供的一种网格模型的简化方法的流程示意图;
图2是本公开实施例所提供的一种收缩边的示例图;
图3是本公开实施例所提供的一种网格模型的简化装置的结构示意图;
图4是本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
图1为本公开实施例所提供的一种网格模型的简化方法的流程示意图,本公开实施例适用于对网格模型进行简化的情形,该方法可以由网格模型的简化装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端或服务器等。
如图1所示,所述方法包括:
S110,确定初始网格模型各顶点的特征信息。
其中,初始网格模型可以理解为三维虚拟模型的表面网格化后的模型,可以是三角形网格化。顶点可以是各网格的顶点。顶点的特征信息可以是表征顶点在初始网格模型中的平坦度。
本实施例中,顶点的特征信息可以是顶点的曲率、顶点的拉普拉斯特征或者以顶点所在边作为公共边的两个三角网格面的夹角。
其中,曲率可以是平均曲率、主曲率或者高斯曲率,此处不再限定。
可选的,确定初始网格模型各顶点的特征信息的方式可以是:确定初始网格模型的拉普拉斯矩阵,基于拉普拉斯矩阵确定各顶点的特征信息。
其中,拉普拉斯矩阵的尺寸与初始网格模型的顶点数量有关,若顶点数量为N,则拉普拉斯矩阵的尺寸为N*N。对于拉普拉斯矩阵中每个元素的值,由如下公式决定:其中,i,j分别表示第i个顶点和第j个顶点,N(i)表示与第i个顶点相邻的顶点集,其中,d为第i个顶点的相邻顶点的个数。即,当第j个顶点与第i个顶点相邻时,拉普拉斯矩阵的元素
其中,基于拉普拉斯矩阵确定各顶点的特征信息的过程可以是:确定拉普拉斯矩阵的特征值以及特征值对应的特征向量,将最大的特征值对应的特征向量的各元素值作为对应顶点的拉普拉斯特征。例如:特征向量中第i个元素为第i个顶点的拉普拉斯特征。其中,基于拉普拉斯矩阵确定特征值和特征向量的方式可参见线性代数原理,此处不再赘述。
可选的,确定初始网格模型各顶点的特征信息的方式可以是:遍历初始网格模型的每一条边,获取以遍历到的边作为公共边的两个三角网格面的夹角;基于夹角确定遍历到的边的两个顶点的特征信息。
其中,获取以遍历到的边作为公共边的两个三角网格面的夹角的方式可以是:获取以遍历到的边作为公共边的两个三角网格面的法线信息;基于法线信息确定两个三角网格面的夹角。
其中,法线信息可以由法向向量表征。基于法线信息确定两个三角网格面的夹角的方式可以是:首先计算两个法向向量的内积,在计算该内积的反余弦,从而获得两个三角网格面的夹角。示例性的,假设两个三角网格面的法向向量分别为n1和n2,二者内积表示为dot=n1·n2,则两个三角网格面的夹角为θ=arccos(dot)。
可选的,基于夹角确定遍历到的边的两个顶点的特征信息的方式可以是:将夹角映射至设定范围,获得映射值;将映射值作为遍历到的边的两个顶点的特征信息。
其中,设定范围可以是[1,h],h可以由用户根据需求设定,例如设置为100。则将夹角映射至设定范围的公式可以表示为:w=(h-1)*(θ/π)+1。最后将w值作为遍历到的边的两个顶点的特征信息。本实施例中,多条边可以共用一个顶点,对于该顶点,对应多个特征信息,各特征信息互不影响。在后续基于顶点的特征信息确定边的误差测度时,采用对应的特征信息即可。
S120,根据各顶点的特征信息确定各条边的误差测度。
其中,边的误差测度由边的测度矩阵确定。
可选的,根据各顶点的特征信息确定各条边的误差测度的方式可以是:确定各顶点的测度矩阵;对于每条边,基于边的两个顶点的特征信息对两个顶点的测度矩阵进行加权求和,获得边的测度矩阵;基于边的测度矩阵确定边的误差测度。
其中,确定顶点的测度矩阵的过程可以是:假设顶点v的环邻域三角网格面包括p1、p2、……、pj、……。另三角网格面pj的表达是为ax+by+cz+d=0,其中,a2+b2+c2=1。记v=[x,y,z,1]T,p=[a,b,c,d]T,则distance(v,p)T=(vTp)2=vTppTv=vTKpv,其中,将顶点v的环邻域的所有三角网格面的Kp求和,获得顶点v的测度矩阵: 表示第j个环邻域三角网格面的Kp。
其中,基于边的两个顶点的特征信息对所述两个顶点的测度矩阵进行加权求和的公式可以表示为:Qij=wiQi+wjQj,其中,wi,wj分别表示第i个顶点和第j个顶点的特征信息,Qi,Qj分别表示第i个顶点和第j个顶点的测度矩阵,Qij表示由第i个顶点和第j个顶点围成的边的测度矩阵。
本实施例中,在获得边的测度矩阵后,可以基于如下优化函数确定边的误差测度:m=AQijAT,其中A为搜索到候选收缩顶点的位置向量,假设选收缩顶点的坐标为(x,y,z),则A表示为:(x,y,z,1)T,m为基于候选收缩顶点计算出的候选误差测度。不断的搜索A,直到m满足优化结束条件。将满足优化结束条件的m确定为边的误差测度。
具体的,基于边的测度矩阵确定边的误差测度的方式可以是:获取多个候选收缩顶点的位置向量;基于多个位置向量和边的测度矩阵确定多个候选误差测度;将最小的候选误差测度确定为边的误差测度,将误差测度对应的候选收缩顶点确定为最终的收缩顶点。
其中,基于位置位置向量和边的测度矩阵确定候选误差测度可以采用上述公式确定:m=AQijAT。具体的,将最小的候选误差测度对应的候选收缩顶点确定为最终的收缩顶点。
S130,将误差测度最小的边进行收缩,获得收缩顶点和新的边。
具体的,在获得网格模型各条边的误差测度后,将误差测度最小的边收缩为一个顶点,即收缩顶点,并将收缩顶点和其领域顶点相连,生成新的边。
具体的,将误差测度最小的边进行收缩,获得收缩顶点和新的边的过程可以是:将误差测度最小的边及与其两个顶点相连的边删除,将最终的收缩顶点添加至网格模型中,获得收缩顶点;将收缩顶点和其领域顶点相连,获得新的边。
示例性,图2是本实施例中收缩边的示例图,如图2所示,左侧图中,顶点a和顶点b中间的边为误差测度最小的边,则将该边和与顶点a及顶点b相连的边均删除,获得中间图;将收缩顶点c添加至网格模型,并将收缩顶点c与其领域顶点相连,获得新的边,获得右侧图。本实施例中,将误差测度最小的边进行收缩,可以更好的保护网格模型原有的几何细节。
S140,基于收缩顶点确定新的边的误差测度。
本实施例中,基于收缩顶点确定新的边的误差测度的过程可以是:对于每条新的边,确定收缩顶点的测度矩阵;基于收缩顶点的测度矩阵及特征信息确定新的边的误差测度。
其中,确定收缩顶点的测度矩阵可以参见上述实施例中确定顶点的测度矩阵的过程,此处不再赘述。
具体的,基于收缩顶点的测度矩阵及特征信息确定新的边的误差测度的过程可以是:获取另一个顶点的测度矩阵和特征信息,基于两个特征信息对两个测度矩阵进行加权求和,获得新的边的测度矩阵,基于新的边的测度矩阵确定误测测度。
其中,基于新的边的测度矩阵确定误测测度可以参见上述实施例中基于边的测度矩阵确定边的误差测度的方式,此处不再赘述。本实施例中,重新确定新的边的误差测度,以保证优先收缩平坦区域的边,从而可以提高模型简化的准确性。
S150,判断是否满足收缩终止条件,若不满足,则返回执行130,若满足,则获得目标网格模型。
其中,终止条件可以是网格模型的网格面数量小于设定值。其中,设定值可以是由用户根据实际需求设置的值。网格面数量越多,渲染出的模型精度越高,反之,网格面数量越小,渲染出的模型精度相对越低。因此,用户可以基于精度和渲染效率的均衡来设置网格面的阈值。
本公开实施例的技术方案,确定初始网格模型各顶点的特征信息;根据各顶点的特征信息确定各条边的误差测度;将误差测度最小的边进行收缩,获得收缩顶点和新的边;基于收缩顶点确定新的边的误差测度;返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。本实施例提供的网格模型的简化方法,基于顶点的特征信息确定边的误差测度,再基于误差测度对边进行收缩,可以能够在简化网格的同时有效的保持几何细节,从而利于后续三维模型渲染后的可视化效果。
图3为本公开实施例所提供的一种网格模型的简化装置结构示意图,如图3所示,装置包括:
顶点特征信息确定模块310,用于确定初始网格模型各顶点的特征信息;
边的误差测度确定模块320,用于根据各顶点的特征信息确定各条边的误差测度;
边收缩模块330,用于将误差测度最小的边进行收缩,获得收缩顶点和新的边;
新边的误差测度确定模块340,用于基于收缩顶点确定新的边的误差测度;
目标网格模型获取模块350,用于返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
可选的,顶点特征信息确定模块310,还用于:
遍历初始网格模型的每一条边,获取以遍历到的边作为公共边的两个三角网格面的夹角;
基于夹角确定遍历到的边的两个顶点的特征信息;
根据各顶点的特征信息确定各条边的误差测度,包括:
基于两个顶点的特征信息确定遍历到的边的误差测度。
可选的,顶点特征信息确定模块310,还用于:
获取以遍历到的边作为公共边的两个三角网格面的法线信息;
基于法线信息确定两个三角网格面的夹角。
可选的,顶点特征信息确定模块310,还用于:
将夹角映射至设定范围,获得映射值;
将映射值作为遍历到的边的两个顶点的特征信息。
可选的,边的误差测度确定模块320,还用于:
确定各顶点的测度矩阵;
对于每条边,基于边的两个顶点的特征信息对两个顶点的测度矩阵进行加权求和,获得边的测度矩阵;
基于边的测度矩阵确定边的误差测度。
可选的,新边的误差测度确定模块340,还用于:
对于每条新的边,确定收缩顶点的测度矩阵及特征信息;
基于收缩顶点的测度矩阵及特征信息确定新的边的误差测度。
可选的,边的误差测度确定模块320,还用于:
获取多个候选收缩顶点的位置向量;
基于多个位置向量和边的测度矩阵确定多个候选误差测度;
将最小的候选误差测度确定为边的误差测度,将误差测度对应的候选收缩顶点确定为最终的收缩顶点。
可选的,边收缩模块330,还用于:
将误差测度最小的边及与其两个顶点相连的边删除,将最终的收缩顶点添加至网格模型中,获得收缩顶点;
将收缩顶点和其领域顶点相连,获得新的边。
可选的,顶点特征信息确定模块310,还用于:
确定初始网格模型各顶点的曲率,将曲率作为特征信息;或者,
确定初始网格模型的拉普拉斯矩阵,基于拉普拉斯矩阵确定各顶点的特征信息。
可选的,终止条件为网格模型的网格面数量小于设定值。
本公开实施例所提供的网格模型的简化装置可执行本公开任意实施例所提供的网格模型的简化方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
图4为本公开实施例所提供的一种电子设备的结构示意图。下面参考图4,其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。编辑/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
本公开实施例提供的电子设备与上述实施例提供的网格模型的简化方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的网格模型的简化方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:确定初始网格模型各顶点的特征信息;根据所述各顶点的特征信息确定各条边的误差测度;将误差测度最小的边进行收缩,获得收缩顶点和新的边;基于所述收缩顶点确定所述新的边的误差测度;返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,提供了一种网格模型的简化方法,包括:
确定初始网格模型各顶点的特征信息;
根据所述各顶点的特征信息确定各条边的误差测度;
将误差测度最小的边进行收缩,获得收缩顶点和新的边;
基于所述收缩顶点确定所述新的边的误差测度;
返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
进一步地,确定初始网格模型各顶点的特征信息,包括:
遍历所述初始网格模型的每一条边,获取以遍历到的边作为公共边的两个三角网格面的夹角;
基于所述夹角确定所述遍历到的边的两个顶点的特征信息;
根据所述各顶点的特征信息确定各条边的误差测度,包括:
基于所述两个顶点的特征信息确定所述遍历到的边的误差测度。
进一步地,获取以遍历到的边作为公共边的两个三角网格面的夹角,包括:
获取以遍历到的边作为公共边的两个三角网格面的法线信息;
基于所述法线信息确定两个三角网格面的夹角。
进一步地,基于所述夹角确定所述遍历到的边的两个顶点的特征信息,包括:
将所述夹角映射至设定范围,获得映射值;
将所述映射值作为所述遍历到的边的两个顶点的特征信息。
进一步地,根据所述各顶点的特征信息确定各条边的误差测度,包括:
确定所述各顶点的测度矩阵;
对于每条边,基于所述边的两个顶点的特征信息对所述两个顶点的测度矩阵进行加权求和,获得所述边的测度矩阵;
基于所述边的测度矩阵确定所述边的误差测度。
进一步地,基于所述收缩顶点确定所述新的边的误差测度,包括:
对于每条新的边,确定所述收缩顶点的测度矩阵及特征信息;
基于所述收缩顶点的测度矩阵及特征信息确定所述新的边的误差测度。
进一步地,基于所述边的测度矩阵确定所述边的误差测度,包括:
获取多个候选收缩顶点的位置向量;
基于所述多个位置向量和所述边的测度矩阵确定多个候选误差测度;
将最小的候选误差测度确定为所述边的误差测度,将所述误差测度对应的候选收缩顶点确定为最终的收缩顶点。
进一步地,将误差测度最小的边进行收缩,获得收缩顶点和新的边,包括:
将误差测度最小的边及与其两个顶点相连的边删除,将最终的收缩顶点添加至网格模型中,获得收缩顶点;
将所述收缩顶点和其领域顶点相连,获得新的边。
进一步地,确定初始网格模型各顶点的特征信息,包括:
确定初始网格模型各顶点的曲率,将所述曲率作为特征信息;或者,
确定所述初始网格模型的拉普拉斯矩阵,基于所述拉普拉斯矩阵确定各顶点的特征信息。
进一步地,所述终止条件为所述网格模型的网格面数量小于设定值。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (13)
1.一种网格模型的简化方法,其特征在于,包括:
确定初始网格模型各顶点的特征信息;
根据所述各顶点的特征信息确定各条边的误差测度;
将误差测度最小的边进行收缩,获得收缩顶点和新的边;
基于所述收缩顶点确定所述新的边的误差测度;
返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
2.根据权利要求1所述的方法,其特征在在于,确定初始网格模型各顶点的特征信息,包括:
遍历所述初始网格模型的每一条边,获取以遍历到的边作为公共边的两个三角网格面的夹角;
基于所述夹角确定所述遍历到的边的两个顶点的特征信息;
根据所述各顶点的特征信息确定各条边的误差测度,包括:
基于所述两个顶点的特征信息确定所述遍历到的边的误差测度。
3.根据权利要求2所述的方法,其特征在于,获取以遍历到的边作为公共边的两个三角网格面的夹角,包括:
获取以遍历到的边作为公共边的两个三角网格面的法线信息;
基于所述法线信息确定两个三角网格面的夹角。
4.根据权利要求2所述的方法,其特征在于,基于所述夹角确定所述遍历到的边的两个顶点的特征信息,包括:
将所述夹角映射至设定范围,获得映射值;
将所述映射值作为所述遍历到的边的两个顶点的特征信息。
5.根据权利要求1所述的方法,其特征在于,根据所述各顶点的特征信息确定各条边的误差测度,包括:
确定所述各顶点的测度矩阵;
对于每条边,基于所述边的两个顶点的特征信息对所述两个顶点的测度矩阵进行加权求和,获得所述边的测度矩阵;
基于所述边的测度矩阵确定所述边的误差测度。
6.根据权利要求5所述的方法,其特征在于,基于所述收缩顶点确定所述新的边的误差测度,包括:
对于每条新的边,确定所述收缩顶点的测度矩阵及特征信息;
基于所述收缩顶点的测度矩阵及特征信息确定所述新的边的误差测度。
7.根据权利要求5所述的方法,其特征在于,基于所述边的测度矩阵确定所述边的误差测度,包括:
获取多个候选收缩顶点的位置向量;
基于所述多个位置向量和所述边的测度矩阵确定多个候选误差测度;
将最小的候选误差测度确定为所述边的误差测度,将所述误差测度对应的候选收缩顶点确定为最终的收缩顶点。
8.根据权利要求7所述的方法,其特征在于,将误差测度最小的边进行收缩,获得收缩顶点和新的边,包括:
将误差测度最小的边及与其两个顶点相连的边删除,将最终的收缩顶点添加至网格模型中,获得收缩顶点;
将所述收缩顶点和其领域顶点相连,获得新的边。
9.根据权利要求1所述的方法,其特征在于,确定初始网格模型各顶点的特征信息,包括:
确定初始网格模型各顶点的曲率,将所述曲率作为特征信息;或者,
确定所述初始网格模型的拉普拉斯矩阵,基于所述拉普拉斯矩阵确定各顶点的特征信息。
10.根据权利要求1所述的方法,其特征在于,所述终止条件为所述网格模型的网格面数量小于设定值。
11.一种网格模型的简化装置,其特征在于,包括:
顶点特征信息确定模块,用于确定初始网格模型各顶点的特征信息;
边的误差测度确定模块,用于根据所述各顶点的特征信息确定各条边的误差测度;
边收缩模块,用于将误差测度最小的边进行收缩,获得收缩顶点和新的边;
新边的误差测度确定模块,用于基于所述收缩顶点确定所述新的边的误差测度;
目标网格模型获取模块,用于返回执行将误差测度最小的边进行收缩的操作,直到满足收缩终止条件,获得目标网格模型。
12.一种电子设备,其特征在于,所述电子设备包括:一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的网格模型的简化方法。
13.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一所述的网格模型的简化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566295.3A CN115035268A (zh) | 2022-05-23 | 2022-05-23 | 网格模型的简化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210566295.3A CN115035268A (zh) | 2022-05-23 | 2022-05-23 | 网格模型的简化方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115035268A true CN115035268A (zh) | 2022-09-09 |
Family
ID=83120755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210566295.3A Pending CN115035268A (zh) | 2022-05-23 | 2022-05-23 | 网格模型的简化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035268A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303614A (zh) * | 2015-10-12 | 2016-02-03 | 中国人民解放军空军航空大学 | 改进的qem三维模型简化方法 |
CN113689566A (zh) * | 2021-07-16 | 2021-11-23 | 淮阴工学院 | 一种基于特征约束的三角网格优化方法 |
-
2022
- 2022-05-23 CN CN202210566295.3A patent/CN115035268A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303614A (zh) * | 2015-10-12 | 2016-02-03 | 中国人民解放军空军航空大学 | 改进的qem三维模型简化方法 |
CN113689566A (zh) * | 2021-07-16 | 2021-11-23 | 淮阴工学院 | 一种基于特征约束的三角网格优化方法 |
Non-Patent Citations (2)
Title |
---|
吴韦力;王博亮;黄绍辉;: "一种改进的基于二次误差测度的网格简化算法", 厦门大学学报(自然科学版), no. 03, 15 May 2007 (2007-05-15), pages 1 - 5 * |
张文新;温佩芝;黄佳;朱立坤;邵其林;: "一种改进的二次误差测度简化算法", 桂林电子科技大学学报, no. 01, 25 February 2015 (2015-02-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862352B (zh) | 定位模型优化方法、定位方法和定位设备 | |
CN111325792A (zh) | 用于确定相机位姿的方法、装置、设备和介质 | |
CN115063335A (zh) | 特效图的生成方法、装置、设备及存储介质 | |
CN115170740A (zh) | 特效处理方法、装置、电子设备及存储介质 | |
CN113269168B (zh) | 障碍物数据处理方法、装置、电子设备和计算机可读介质 | |
CN114742934A (zh) | 图像渲染方法、装置、可读介质及电子设备 | |
CN111862342B (zh) | 增强现实的纹理处理方法、装置、电子设备及存储介质 | |
CN111915532B (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
CN111862351A (zh) | 定位模型优化方法、定位方法和定位设备 | |
CN110633595B (zh) | 一种利用双线性插值的目标检测方法和装置 | |
CN115035268A (zh) | 网格模型的简化方法、装置、设备及存储介质 | |
CN115761197A (zh) | 图像渲染方法、装置、设备及存储介质 | |
CN113274735B (zh) | 模型处理方法、装置、电子设备及计算机可读存储介质 | |
CN115272060A (zh) | 转场特效图的生成方法、装置、设备及存储介质 | |
CN113506356A (zh) | 面积图的绘制方法、装置、可读介质和电子设备 | |
CN113568997A (zh) | 点云地图更新方法、装置、电子设备和计算机可读介质 | |
CN111354070A (zh) | 一种立体图形生成方法、装置、电子设备及存储介质 | |
CN114445596B (zh) | 三维模型的显示方法、装置、设备及存储介质 | |
CN114863025B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
CN111753230B (zh) | 参考线处理方法及装置 | |
CN112883757B (zh) | 生成跟踪姿态结果的方法 | |
CN112395826B (zh) | 文字特效处理方法及装置 | |
CN112215789B (zh) | 图像去雾方法、装置、设备和计算机可读介质 | |
CN113160324A (zh) | 包围框生成方法、装置、电子设备和计算机可读介质 |
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 |