CN116310086A - 一种基于四叉树的lod虚拟复杂场景简化方法 - Google Patents

Abstract

本发明公开了一种基于四叉树的LOD虚拟复杂场景简化方法，包括：对三维地形的DEM数据进行格网划分，其形状为正方形且边长的像素数为(2ⁿ+1)²，构建四叉树，将整个地形数据块分为4个子节点区域，并将地形数据存储到四叉树中；将整个地形作为根节点，从根节点出发开始递归遍历由地形数据块构建的四叉树，用传统视距节点评价级数与父子节点地形粗糙度的比较相结合赋予已遍历子节点区域的中心节点状态值为激活状态AS或未激活状态IS；根据子节点区域的中心节点状态值判断并进行分割；对已经分割的子节点区域进行裂缝修补。与现有技术相比，本发明可以通过常规的四叉树的数据结构快速查找和定位来提高简化质量和简化速度，实现复杂地形的渲染与简化。

Description

一种基于四叉树的LOD虚拟复杂场景简化方法

技术领域

本发明涉及三维地形的渲染与简化技术领域，特别涉及一种基于四叉树的LOD虚拟复杂场景简化方法。

背景技术

在军事仿真、虚拟现实和三维地理信息系统中，都需要建立复杂的地形场景。复杂地形场景虚拟显示简化技术是可视化领域的研究热点之一。

一个复杂三维场景不仅包含三维地形数据，而且还包括很多物体的几何结构和形态描述。所构建的模型数据量大，耗费大量的内存空间，将影响计算机处理速度和视觉效果。而虚拟现实系统的实时性要求图形显示速度必须跟上视点移动速度消除显示延时现象。尽管目前计算机的运行速度有很大提高但在实时显示大场景时尤其系统要求具有较高的交互帧频率时会出现处理速度慢、显示滞后的问题。因此需要在不影响显示效果的前提下尽量简化场景模型。

层次细节(level of detail LOD)技术是简化场景复杂度的关键技术之一，它在考虑人的视觉特性的前提下为场景及其物体分配不同的分辨率来简化显示。目前对于场景简化的算法主要包括：

(1)1995年，Hoppe描述了一个累进格网(Progressive Mesh)的模型。整个算法旨在创建Hoppe创造的渐进网格数据结构。这种方法以边坍缩(edge collapse，之前提到的几何元素删除方法之一)与点分裂(Vertex Splitting)为基本操作，记录了模型在连续的简化过程中的拓补变动信息，就可以做到基于视点的(view-dependent)、无损的(lossless)、可复原的连续简化，这样子在摄像机靠近模型的过程中，就不会出现切换LOD模型产生的视觉突变的状况，而是比较顺滑的。

(2)基于二元三角树结构的法则ROAM(实时优化自适应网格)。这个构造过程即细化分割三角面的过程(Tessellation)。具体的讲，就是将地形分成若干个菱形(Diamond)，每个Diamond由2个三角面构成，这些根三角面就是每棵二叉三角面树的根结点。在Tuner的文章中，二叉三角面树的节点生成不是动态分配内存的，而是由一个固定数组池分配的，这样虽然使程序运行更高效，但树节点个数就是有限的了，在这种限制下，可以引入TessellationQueue队列，这个队列的作用是：对进入渲染列表的所有Diamond，根据其距离摄像机的远近排序，这样使得确保离摄像机近的Diamond优先进行Tessellation，等到数组池用完的时候也是离摄像机相对较远的Diamond了，这时停止分割。

(3)重新布点法(Re-tiling)。Greg Turk在1992年提出了重新布点法(re-tiling)，该算法先将由用户指定数目的顶点根据各个三角面片的面积大小分布在模型表面上，其次根据模型表面上顶点之间的斥力以使顶点在表面上的分布更均匀，然后将模型上的原始顶点与新加入的顶点混合在一起进行三角剖分，最后将原始顶点一个个地删去，并及时地对删除顶点所造成的空洞进行三角化。

方法(1)渐进网格的另一个特性是其存储量小于标准网格的存储量，而且会导致在网络上使用渐进细化，首先传输简化的基础网格，然后传输连续的顶点分割，因此随着时间的推移会增加网格的复杂性。方法(2)对空间误差的计算方法可以根据需要灵活选择，可以选择三角形法向量变形或纹理变形来达到其应用目的。但当三角形投影误差和视点至三角形的距离作为划分三角形的尺度时，ROAM对视距非常敏感。当距离地型表面非常近时，随着视点的移动，地表形状会由于ROAM的分割或合并而出现明显变化。对于远距离地形显示系统，此问题可以忽略。方法(3)当将模型转化为具体数据表示，再对其低通滤波，从而生成较大体素单元的体数据，最后采用移动立方体法抽取等值面，从而得到化简模型，它可以有效地去除模型的高频细节。

由于现有的建模和简化算法中，虽然计算机的运算速度、存储器容量和图形加速硬件都有了很大的发展，但在实际应用中图形的数据量往往比硬件可以实时显示的数据量还要大一个甚至几个数量级，由于地形数据量的庞大，模型的复杂程度往往超过当前图形工作站的实际处理能力。因此，如何快速查找和定位来提高简化质量和简化速度是亟待解决的技术问题。

发明内容

发明目的：针对背景技术中指出的问题，本发明提供一种基于四叉树的LOD虚拟复杂场景简化方法，基于四叉树结构的地形简化算法可以通过常规的四叉树的数据结构快速查找和定位来提高简化质量和简化速度，实现复杂地形的渲染与简化。

技术方案：本发明提出一种基于四叉树的LOD虚拟复杂场景简化方法，包括如下步骤：

步骤1：确定渲染地形，先对三维地形的DEM数据进行格网划分，其形状为正方形且必须满足其边长的像素数为(2ⁿ+1)²，使得在每一次切割地形结点时刚好划分成四个等分；其中n为空间区域按照四个象限递归分割的次数；

步骤2：构建四叉树，将整个地形数据块分为4个子节点区域，并将地形数据存储到四叉树中；每一个正方形表示为四叉树的一个节点，每个节点保存每个子节点区域的边点、角点和中心点的位置信息，及其索引值、状态值和分辨率的地形数据；

步骤3：将整个地形作为根节点，从根节点出发开始递归遍历由地形数据块构建的四叉树，用传统视距节点评价级数与父子节点地形粗糙度的比较相结合赋予已遍历子节点区域的中心节点状态值为激活状态AS或未激活状态IS；

步骤4：根据子节点区域的中心节点状态值判断并进行分割；

步骤5：对已经分割的子节点区域进行裂缝修补；对大规模地形进行层次简化时，将已经分割的子节点区域的中心点与其相邻节点的角点和边点相连，绘制三角模型进行修补缝隙。

进一步地，所述步骤1中若网格数据大小不满足(2ⁿ+1)²的正方形区域，则先将网格数据扩展成正方形，用空值填充扩展区域的像素。

进一步地，所述步骤2构建四叉树的具体方法为：

步骤2.1：构建四叉树Q_terrain；

步骤2.2：先将整个地形数据块网格化；

步骤2.3：将网格化后的地形数据划分为4个子节点区域；

步骤2.4：构建三个一维数组P_side[6]、P_angle[6]和P_center[4]，分别存储子节点区域的边点、角点和中心点，并且为中心节点赋予状态值IS存储到P_center[4]；

步骤2.5：将地形网格划分后的中心点、边点和角点的坐标信息、渲染的顶点个数、边长的像素数、4个子节点的坐标和状态值以及步骤2.4中的三个一维数组通过Haffman编码遍历存储到四叉树Q_terrain中。

进一步地，所述步骤3的具体方法为：

步骤3.1：计算整体地形的地表粗糙度；

其中，地面粗糙度是指在一个特定的区域内，地表面积与其投影面积之比；地形表面粗糙度的提取可以利用GIS中窗口分析法来实现；R为父节点区域的地形粗糙度，Slope为父节点的坡度；

步骤3.2：计算子节点区域的地形粗糙度；

其中，r为子节点区域的地形粗糙度，slope为子节点区域的坡度；

步骤3.3：将整个地形作为根节点，根据层序遍历法按照顺序遍历子节点区域；

步骤3.4：若f<1&&r>R，则转步骤3.5；若f≥1||r≤R，进行转步骤3.6，其中，f为节点评价指数；

步骤3.5：赋予该节点的中心节点状态值为AS，表示激活状态；

步骤3.6：赋予该节点的中心节点状态值为IS，表示未激活状态。

进一步地，所述传统的节点评价指数的公式为：

其中，L为视距，D为当前子节点的边长，∈为子节点区域9个点处(角点、边点和中心点)最大高度与最小高度的差值，C₁为视距调节因子；C₂为粗糙度调节因子。

进一步地，所述步骤4的具体方法为：

步骤4.1：根据中心节点状态值进行判断；

步骤4.2：若状态值为AS，则需要对该子节点区域进行分割，并将分割后新的子块数据存储到四叉树中；

步骤4.3：若状态值为IS，则说明该子块的分辨率已经达到要求，不需要进行分割。

进一步地，所述步骤5的具体方法为：

步骤5.1：从根节点开始遍历四叉树中存储的中心节点的状态值；

步骤5.2：若第一个子块的状态为AS，并且第二个状态值为IS，则说明AS与IS之间存在缝隙，转步骤5.3；否则转步骤5.4；

步骤5.3：把状态值为AS的子块中心节点与AS子块和IS子块区域的公共边上的节点相连接，缝合AS和IS子块区域公共边上的缝隙；

步骤5.4：绘制AS子块区域内的三角形模型；

步骤5.5：判断第二个子节点状态与第三个子节点状态的关系，转步骤5.2；

步骤5.6：判断第三个子节点状态与第四个子节点状态的关系，转步骤5.2；

步骤5.7：判断第四个子节点状态与第一个子节点状态的关系，转步骤5.2；

步骤5.5：进行下一轮判断，依次判断该子节点区域的4个子区域，进行递归运算。

本发明采用上述技术方案，具有以下有益效果：

1、本发明的节点评价系统中用传统的视距节点评价级数与父子节点地形粗糙度的比较相结合，父子节点之间比较可以使子节点区域的分辨率更加精确，分割的区域更加细化。

2、本发明中为中心节点添加了状态值，避免在分割和修补缝隙遍历整个节点信息，只需遍历状态值即可判断，有利于减少运算速度。

附图说明

图1为基于四叉树的LOD虚拟复杂场景简化改进方法框架图；

图2为节点分割及状态值示意图；

图3为缝隙修补示意图。

具体实施方式

下面结合具体实施例，对本发明作进一步详细描述：

如图1所示，本发明提出一种基于四叉树的LOD虚拟复杂场景简化方法，具体包括如下步骤：

步骤1：确定渲染地形，先对三维地形的DEM数据进行格网划分，其形状为正方形且必须满足其边长的像素数为(2ⁿ+1)²，使得在每一次切割地形结点时刚好划分成四个等分；其中n为空间区域按照四个象限递归分割的次数。若网格数据大小不满足(2ⁿ+1)²的正方形区域，则先将网格数据扩展成正方形，用空值填充扩展区域的像素，再转步骤2。

步骤2：构建四叉树，将整个地形数据块分为4个子节点区域，并将地形数据存储到四叉树中；每一个正方形表示为四叉树的一个节点，每个节点保存每个子节点区域的边点、角点和中心点的位置信息，及其索引值、状态值和分辨率等地形数据。

步骤2.1：构建四叉树Q_terrain。

步骤2.2：先将整个地形数据块网格化。

步骤2.3：将网格化后的地形数据划分为4个子节点区域。

步骤2.4：如图2所示，每个子节点区域分别包含各自的边点、角点和中心点，其中地形网格划分后，父节点的各点同时也会是子节点的某一点。构建三个一维数组P_side[6]、P_angle[6]和P_center[4]，分别存储子节点区域的边点、角点和中心点，并且为中心节点赋予状态值IS存储到P_center[4]。

步骤2.5：将地形网格划分后的中心点、边点和角点的坐标信息、渲染的顶点个数、边长的像素数、4个子节点的坐标和状态值以及步骤2.4中的三个一维数组通过Haffman编码遍历存储到四叉树Q_terrain中。

步骤3：将整个地形作为根节点，从根节点出发开始递归遍历由地形数据块构建的四叉树并赋予已遍历子节点区域的中心节点状态值。

传统的节点评价指数的公式为

其中，L为视距，D为当前子节点的边长，∈为子节点区域9个点处(角点、边点和中心点)最大高度与最小高度的差值，C₁为视距调节因子；C₂为粗糙度调节因子。

步骤3.1：计算整体地形的地表粗糙度：

其中，地面粗糙度是指在一个特定的区域内，地表面积与其投影面积之比；地形表面粗糙度的提取可以利用GIS中窗口分析法来实现。

步骤3.2：计算子节点区域的地形粗糙度：

其中，R为父节点区域的地形粗糙度，r为子节点区域的地形粗糙度，Slope为父节点的坡度；slope为子节点区域的坡度。

步骤3.3：将整个地形作为根节点，根据层序遍历法按照顺序遍历子节点区域。

步骤3.4：若f<1&&r>R，则转步骤3.5；若f≥1||r≤R，进行转步骤3.6。

步骤3.5：赋予该节点的中心节点状态值为AS，表示激活状态。

步骤3.6：赋予该节点的中心节点状态值为IS，表示未激活状态。

步骤4：如图3所示，根据子节点区域的中心节点状态判断并进行分割；节点的静态因素定义为一个能够准确衡量节点程度的参数，直接影响着地形细节层次简化的效果。

若f<1&&r>R，则进行分割；否则不进行分割。

从整个完整的地形出发把地形不断地分割成相等的四个区域，分割的深度越大则得到的分辨率越高，即分割深度每提高一层采样密度提高一倍。

步骤4.1：根据中心节点状态值进行判断。

步骤4.2：若状态值为AS，则需要对该子节点区域进行分割，并将分割后新的子块数据存储到四叉树中。

步骤4.3：若状态值为IS，则说明该子块的分辨率已经达到要求，不需要进行分割。

步骤5：对已经分割的子节点区域进行裂缝修补；对大规模地形进行层次简化时，由于相邻节点的分辨率的不同，在相邻精度等级相差1倍或1倍以上时，渲染的地形会出现裂缝，此时将已经分割的子节点区域的中心点与其相邻节点的角点和边点相连，绘制三角模型进行修补缝隙，可以有效解决裂缝问题。

步骤5.1：从根节点开始遍历四叉树中存储的中心节点的状态值。

步骤5.2：若第一个子块的状态为AS，并且第二个状态值为IS，则说明AS与IS之间存在缝隙，转步骤5.3；否则转步骤5.4。

步骤5.3：把状态值为AS的子块中心节点与AS子块和IS子块区域的公共边上的节点相连接，缝合AS和IS子块区域公共边上的缝隙。

步骤5.4：绘制AS子块区域内的三角形模型。

步骤5.5：判断第二个子节点状态与第三个子节点状态的关系，转步骤5.2。

步骤5.6：判断第三个子节点状态与第四个子节点状态的关系，转步骤5.2。

步骤5.7：判断第四个子节点状态与第一个子节点状态的关系，转步骤5.2。

步骤5.5：进行下一轮判断，依次判断该子节点区域的4个子区域，进行递归运算。

传统的简化方法在简化过程中需要搜索每一块子节点区域的所有信息，而本发明中，如图3所示，每一块子节点区域的中心节点都设置了状态值，在简化中仅仅只需搜索查看状态值，从而可以减少搜索时间来达到提高简化速度的目的。同时对于继续划分的子块和相邻的无需划分的子块可以直接进行缝隙修补，不需要等所有子块划分结束后再重新修补，从而提高简化速度和质量。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于四叉树的LOD虚拟复杂场景简化方法，其特征在于，包括如下步骤：

步骤1：确定渲染地形，先对三维地形的DEM数据进行格网划分，其形状为正方形且必须满足其边长的像素数为(2ⁿ+1)²，使得在每一次切割地形结点时刚好划分成四个等分；其中n为空间区域按照四个象限递归分割的次数；

步骤2：构建四叉树，将整个地形数据块分为4个子节点区域，并将地形数据存储到四叉树中；每一个正方形表示为四叉树的一个节点，每个节点保存每个子节点区域的边点、角点和中心点的位置信息，及其索引值、状态值和分辨率的地形数据；

步骤3：将整个地形作为根节点，从根节点出发开始递归遍历由地形数据块构建的四叉树，用传统视距节点评价级数与父子节点地形粗糙度的比较相结合赋予已遍历子节点区域的中心节点状态值为激活状态AS或未激活状态IS；

步骤4：根据子节点区域的中心节点状态值判断并进行分割；

步骤5：对已经分割的子节点区域进行裂缝修补；对大规模地形进行层次简化时，将已经分割的子节点区域的中心点与其相邻节点的角点和边点相连，绘制三角模型进行修补缝隙。

2.根据权利要求1所述的基于四叉树的LOD虚拟复杂场景简化方法，其特征在于，所述步骤1中若网格数据大小不满足(2ⁿ+1)²的正方形区域，则先将网格数据扩展成正方形，用空值填充扩展区域的像素。

3.根据权利要求1所述的基于四叉树的LOD虚拟复杂场景简化方法，其特征在于，所述步骤2构建四叉树的具体方法为：

步骤2.1：构建四叉树Q_terrain；

步骤2.2：先将整个地形数据块网格化；

步骤2.3：将网格化后的地形数据划分为4个子节点区域；

步骤2.4：构建三个一维数组P_side[6]、P_angle[6]和P_center[4]，分别存储子节点区域的边点、角点和中心点，并且为中心节点赋予状态值IS存储到P_center[4]；

步骤2.5：将地形网格划分后的中心点、边点和角点的坐标信息、渲染的顶点个数、边长的像素数、4个子节点的坐标和状态值以及步骤2.4中的三个一维数组通过Haffman编码遍历存储到四叉树Q_terrain中。

4.根据权利要求1所述的基于四叉树的LOD虚拟复杂场景简化方法，其特征在于，所述步骤3的具体方法为：

步骤3.1：计算整体地形的地表粗糙度；

其中，地面粗糙度是指在一个特定的区域内，地表面积与其投影面积之比；地形表面粗糙度的提取可以利用GIS中窗口分析法来实现；R为父节点区域的地形粗糙度，Slope为父节点的坡度；

步骤3.2：计算子节点区域的地形粗糙度；

其中，r为子节点区域的地形粗糙度，slope为子节点区域的坡度；

步骤3.3：将整个地形作为根节点，根据层序遍历法按照顺序遍历子节点区域；

步骤3.4：若f<1&&r>R，则转步骤3.5；若f≥1||r≤R，进行转步骤3.6，其中，f为节点评价指数；

步骤3.5：赋予该节点的中心节点状态值为AS，表示激活状态；

步骤3.6：赋予该节点的中心节点状态值为IS，表示未激活状态。

5.根据权利要求4所述的基于四叉树的LOD虚拟复杂场景简化改进方法，其特征在于，所述传统的节点评价指数的公式为：

其中，L为视距，D为当前子节点的边长，∈为子节点区域9个点处(角点、边点和中心点)最大高度与最小高度的差值，C₁为视距调节因子；C₂为粗糙度调节因子。

6.根据权利要求4所述的基于四叉树的LOD虚拟复杂场景简化改进方法，其特征在于，所述步骤4的具体方法为：

步骤4.1：根据中心节点状态值进行判断；

步骤4.2：若状态值为AS，则需要对该子节点区域进行分割，并将分割后新的子块数据存储到四叉树中；

步骤4.3：若状态值为IS，则说明该子块的分辨率已经达到要求，不需要进行分割。

7.根据权利要求1所述的基于四叉树的LOD虚拟复杂场景简化方法，其特征在于，所述步骤5的具体方法为：

步骤5.1：从根节点开始遍历四叉树中存储的中心节点的状态值；

步骤5.2：若第一个子块的状态为AS，并且第二个状态值为IS，则说明AS与IS之间存在缝隙，转步骤5.3；否则转步骤5.4；

步骤5.3：把状态值为AS的子块中心节点与AS子块和IS子块区域的公共边上的节点相连接，缝合AS和IS子块区域公共边上的缝隙；

步骤5.4：绘制AS子块区域内的三角形模型；

步骤5.5：判断第二个子节点状态与第三个子节点状态的关系，转步骤5.2；

步骤5.6：判断第三个子节点状态与第四个子节点状态的关系，转步骤5.2；

步骤5.7：判断第四个子节点状态与第一个子节点状态的关系，转步骤5.2；

步骤5.5：进行下一轮判断，依次判断该子节点区域的4个子区域，进行递归运算。

Images