WO2011079421A1 - 对点云数据进行全局参数化和四边形网格化方法 - Google Patents

对点云数据进行全局参数化和四边形网格化方法 Download PDF

Info

Publication number
WO2011079421A1
WO2011079421A1 PCT/CN2009/001591 CN2009001591W WO2011079421A1 WO 2011079421 A1 WO2011079421 A1 WO 2011079421A1 CN 2009001591 W CN2009001591 W CN 2009001591W WO 2011079421 A1 WO2011079421 A1 WO 2011079421A1
Authority
WO
WIPO (PCT)
Prior art keywords
point
triangle
main direction
point cloud
contour
Prior art date
Application number
PCT/CN2009/001591
Other languages
English (en)
French (fr)
Inventor
张晓鹏
李尔
车武军
董未名
Original Assignee
中国科学院自动化研究所
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 中国科学院自动化研究所 filed Critical 中国科学院自动化研究所
Priority to CN2009801249381A priority Critical patent/CN102870139A/zh
Priority to PCT/CN2009/001591 priority patent/WO2011079421A1/zh
Priority to US13/001,906 priority patent/US20120013617A1/en
Publication of WO2011079421A1 publication Critical patent/WO2011079421A1/zh

Links

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
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Definitions

  • the invention relates to a point cloud data obtained by using a three-dimensional laser scanner for physical measurement in the field of computer graphics and computer vision technology, in particular to a method for global parameterization and quadrilateral meshing of point cloud data. Background technique
  • quadrilateral meshes Due to the rapid and accurate development of laser scanners, point cloud data has been widely used in computer-aided design and computer graphics. Usually the original point cloud data does not contain any topology information, so a lot of research work is focused on how to reconstruct the mesh surface from point cloud data. But most of the work has focused on how to produce high-quality triangular patch mesh models, which lack control over the shape and orientation of triangular patches. Due to the tensor product of quadrilateral meshes, quadrilateral meshes have advantages in many areas, such as B-spline fitting, texture mapping, etc., relative to triangular meshes. In particular, quadrilaterals whose directions are consistent with the main direction are more advantageous in modeling because they reflect the symmetry of the geometric model.
  • Global parameterization is an effective way to solve quadrilateral meshing.
  • Ray (RAY, N., LI, WC, L' E VY, B. , SHEFFER, A., AND ALLIEZ, P. 2006. Periodic global parameterization. ACM Trans. Graph. 25, 4, 1460 - 1485. ) It is proposed to use the periodic global parameterization method to obtain the parameterization result consistent with the main direction.
  • the desired quadrilateral meshing is obtained by extracting the contours of the parameterized results. This method results in a high quality quadrilateral mesh without manual intervention.
  • Ray's method can only be applied to the surface of the triangle mesh.
  • For the point cloud data due to the lack of topological connection between points, it is difficult to directly use the traditional global parameterization method for point cloud data processing. Summary of the invention
  • a global parameterization and quadrilateral meshing method for point cloud data includes the following steps:
  • Quadrilateral meshing provides an automatic and robust global parameterization method for discrete point cloud data obtained by laser scanning, and uses the parameterized result to obtain quadrilateral meshing which is consistent with the main direction and can reflect the intrinsic geometric features of the model. result.
  • FIG. 1 is a basic frame diagram of an algorithm
  • FIG. 2 is a flowchart of a main direction calculation
  • Figure 3 is a global parameterization flowchart
  • Figure 4 is a quadrilateral meshing flow chart
  • Figure 5 is a schematic diagram of processing of contour segments
  • Figure 6 is the result of the noise-added part model
  • Figure 7 is a comparison between the results obtained by the method of the present invention on the point cloud model of the part and the results obtained by the Ray method on the mesh model of the part. detailed description
  • the method is mainly divided into three basic steps: • Calculation of the main direction field; Global parameterization; Quadrilateral meshing.
  • the specific algorithm for each step will be described in detail below.
  • the calculation of the main directional field first requires the normal vector of each point of the point cloud. Because 3D point cloud data generally only has point coordinate information. In order to obtain the curvature tensor information of the point cloud and local triangulation of the point cloud, it is necessary to obtain the normal direction of each point in the point cloud data. First, build a kd tree. In computational geometry, the kd tree is one of the fastest data structures that have been proven to find neighbors. Kd > >> Tree based on point location information, iteratively divided by dichotomy
  • the smoothing process makes the main directions of adjacent points as uniform as possible.
  • This method defines a function that measures the difference in the main direction between adjacent points of point cloud data. By solving the minimum value of the function, the smoothed main direction can be obtained.
  • p is the coefficient of control smoothness, which is the angle between the required main direction and a reference direction, which is defined as any direction on the tangent plane of point i, ", ° is the original main direction and
  • the angle of the reference direction, ? y is the direction of the line segment connecting the two points of i, J'.
  • the equation can be transformed into a quadratic optimization problem.
  • the steepest descent method is used to solve the optimization problem.
  • the optimal solution is the angle between the smoothed main direction and the reference direction. The angle can be used to find the smooth main direction.
  • the purpose of global parameterization is to find the two scalar functions on the point cloud and ⁇ to find ⁇ and the specific value at each point, so that the maximum principal direction and the minimum principal direction of the point are respectively gradients with two scalar functions. Try to be consistent.
  • global parameterization is divided into three steps: local triangulation; calculating the energy function of the point cloud; and finding the optimal solution of the energy function. Partial triangulation has been done in the calculation of the main direction field.
  • the method first Define an energy function to measure this difference, defined as follows:
  • the equation can be transformed into a quadratic optimization problem.
  • the global parameterization result of the point cloud data can be obtained by using the steepest descent method to obtain the optimal solution of the problem.
  • the contour of the contour is basically consistent with the main direction, and the contour network constitutes the basic quadrilateral meshing foundation.
  • the intersection of the contours is the vertex of the quadrilateral mesh.
  • the connection relationship between the vertices is determined by the connection relationship between the contours.
  • the method In order to obtain the final quadrilateral meshing result, as shown in Fig. 4, the method first obtains the equivalent line segments in each triangle, and then processes the redundant contour segments according to certain rules, and finally establishes a quadrilateral mesh. .
  • the contours described in the method are formed by concatenation of equal line segments within each triangle.
  • the e function values corresponding to its three vertices are respectively, ee k , and the value represented by the contour is ⁇ .
  • min ( , 0j ⁇ 0 iso ⁇ max(e i , , define the intersection point; 7, and
  • ⁇ are the positions of the two endpoints, respectively.
  • ⁇ are the positions of the two endpoints, respectively.
  • min( , ⁇ 0 k ) ⁇ e iso ⁇ max( 0,, ⁇ 6 k ) two intersection points can be obtained according to the above method, and the two equal points can be obtained by connecting two intersection points.
  • the intersection of the two segments within the triangle is found. This intersection is the intersection of the contour segments. Since the method establishes a partial triangle, there may be cases where the triangles overlap, that is, each edge may be shared by more than two triangles. In order to solve the problem of redundant points caused by triangle overlap, the following rules are adopted to discard or fuse the contour segments obtained by the above method. The rules are as follows:
  • the adjacent points of the intersection point are found and connected according to the connection relationship between the contour segments, and a quadrilateral mesh with uniform shape and direction conforming to the main direction can be established. .
  • the method described in the present invention was implemented in C++ language and experiments were performed on several different data sets. All experiments were performed on an Intel® CoreTM2 Quad CPU Q6600.
  • the 40GHz 4G memory is completed on the PC, and the display part uses the standard OpenGL graphic function. Number library.
  • Table 1 gives the time taken for the complexity of the model used in some experiments (the number of points) and the time of the three processes (main direction processing, local triangulation, global parameterization).
  • Figure 6 shows the results obtained on a noisy part model with a Gaussian noise with a variance of 0.1.
  • Fig. 6(a) shows the main directional field after smoothing on the model
  • Fig. 6(b) shows the contours of the two scalar functions corresponding to the parameterized results in red and blue colors, respectively.
  • (c) The result of quadrilateral meshing using the above contours. The picture shows that the quadrilateral is evenly distributed and conforms to the geometrical features of the object. This result is processed on the point cloud model to display the results on the mesh surface for display.
  • Figure 7 shows a comparison between the results obtained on the part's model using our method on the part's point cloud model and the results obtained using Ray's method on the part's mesh model.
  • Fig. 7(a) and Fig. 7(b) show the results of the contour and quadrilateral meshing obtained by the method
  • Fig. 7(c) and Fig. 7(d) are the contours and quadrilateral mesh obtained by the Ray method.
  • the method only uses the point cloud data of the model without the prior triangle meshing to obtain the same quality results.
  • the feature and innovation of this method is to use global triangulation to directly global parameterization and quadrilateral meshing on the point cloud model without reconstructing the triangular mesh surface from point cloud data. Moreover, the method is completely automatic, no manual intervention is required, and the parameter can quickly control the degree of density of the quadrilateral mesh to obtain a quadrilateral mesh of various resolutions.

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 Generation (AREA)
  • Processing Or Creating Images (AREA)

Description

对点云数据进行全局参数化和四边形网格化方法 技术领域
本发明涉及计算机图形学和计算机视觉技术领域的一种利用三维激 光扫描仪进行实物测量得到点云数据， 特别涉及对点云数据进行全局参数 化和四边形网格化的方法。 背景技术
由于快速而精确的激光扫描仪的发展， 点云数据己经在计算机辅助设 计和计算机图形学领域得到广泛的应用。通常原始点云数据不包含任何拓 扑结构信息， 因此大量的研究工作集中在如何从点云数据重建网格表面。 但是大部分己有的工作只关注如何产生高质量的三角面片网格模型， 对于 三角形面片的形状和方向缺乏控制。 由于四边形网格张量积特性， 相对于 三角形网格， 四边形网格在很多领域都具有优势， 例如 B样条拟合、 紋理 映射等等。 尤其是方向和主方向一致的四边形在建模时更具有优势， 因为 它们能够反映几何模型的对称性。 全局参数化是一种有效解决四边形网格化的方法。 Ray (RAY, N.， LI, W. C.， L' E VY, B. , SHEFFER, A.， AND ALLIEZ, P. 2006. Periodic global parameterization. ACM Trans. Graph. 25, 4, 1460 - 1485. ) 首先提出 利用周期性全局参数化方法来得到与主方向一致的参数化结果。期望的四 边形网格化通过提取参数化结果的等值线即可得到。这种方法能够得到高 质量的四边形网格而且无需人工干预。但是 Ray的方法仅能用于三角形网 格表面上， 对于点云数据由于缺少点与点之间的拓扑连接关系， 直接利用 传统的全局参数化方法对点云数据处理具有一定的难度。 发明内容
本发明的目的是提供一种对点云数据进行全局参数化和四边形网格 化方法。 为实现上述目的， 一种对点云数据进行全局参数化和四边形网格化方 法， 包括步骤：
1 ) 计算主方向场， 并对主方向场进行平滑；
2 ) 全局参数化；
3 ) 四边形网格化。 本发明针对由激光扫描得到的离散点云数据， 提供一个自动的、 鲁棒 性强的全局参数化方法， 并利用参数化结果获取与主方向一致的能够反映 模型内在几何特征的四边形网格化结果。
附图说明 图 1是算法基本框架图； 图 2是主方向计算流程图；
图 3是全局参数化流程图；
图 4是四边形网格化流程图；
图 5是等值线段处理示意图；
图 6是加噪声的零件模型上结果；
图 7是本发明的方法在零件的点云模型上得到的结果与利用 Ray的方 法在零件的网格模型上得到的结果之间的对比。 具体实施方式
下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应 指出的是， 所描述的实施例仅旨在便于对本发明的理解， 而对其不起任何 限定作用。
如图 1所示， 本方法主要分为三个基本步骤： .主方向场的计算； 全局 参数化； 四边形网格化。 针对每个步骤的具体算法以下将详细说明。
如图 2所示， 主方向场的计算首先需要求取点云每一点的法向量。 因 为三维点云数据一般只有点的坐标信息。 为求取点云的曲率张量信息， 以 及对点云进行局部三角化， 获得点云数据中的每一个点的法方向是必须 的。 首先， 建立 kd树。 在计算几何中， kd树是已经被证明的査找近邻的 最快捷的数据结构之一。 kd > >>树基于点的空间位置信息，通过二分法迭代划
τ > - 分三维空间， 实现最优存储。 在 kd树上， 进行 k近邻查找的时间复杂度 为 0(log2n)， 这里 n为点云数据的点的个数。
为求取各个点的法向量， 对于点云数据的每一个点， 利用点云数据的 kd树查找 15个或 30个近邻点，假设这些近邻点来自于同一个平面， 于是 可以用这些近邻点到拟合平面的残差的绝对值， 再乘以权系数的积的和构 造最小二乘问题， 其中的权的确定是以点云数据中每一个点与近邻点的欧 式距离的倒数作为权值。 利用最小二乘方法拟合出这个平面， 以这个平 面的法向量作为点云的法向量的初始估计值。 由于本方法的全局参数化是受点云数据的主方向约束的， 因此获取平 滑且准确的主方向场是必要的。 主方向场的建立包括两个步骤， 如图 2后 两步所示， 即计算各个点的曲率张量与主方向场的全局平滑。
为计算各点的曲率张量， 首先对每一点建立局部坐标系， 设点 的法 向量为 ^这个 P点就是局部坐标系的原点， 设局部坐标系的三个方向 分别为 ^ΐ， ， 对于 的一个近邻点；^， 法向量为^；， 则点 ρ处的曲率 张量必须满足下述方程式的约束-
V- UN U u N u Δ— - u
P → •U
V V N V Δ- · ν • V
U N
P
W w Ν · w 1 w
U
在本方法中我们对点 的 15个近邻点的法方向进行拟合， 代入上述方程 中， 解出左边矩阵里的张量项， 即可求出对应的点 P的主方向。 局部三角化试图在点云中每一个点的邻域范围内建立局部的拓扑连 接关系。对于点云中的每一个点 将其 15个近邻点投影到该点的切平面 上， 然后对所有的投影点在切平面上进行狄洛尼 （Denaulay)三角化， 得 到投影点在切平面上的三角网格。 保持三角网格的连接关系， 将三角网格 中的每一个三角形的顶点对应到其投影之前的顶点位置， 就可以得到一个 在点 P的局部邻域范围内定义的局部三角网格。 本方法后面所述中的边， 三角形的信息均是基于此建立的。
主方向场的全局平滑。 平滑过程使相邻点的主方向尽可能一致。 本方 法定义了一个衡量点云数据相邻点之间主方向差异的函数， 通过求解该函 数的最小值， 可以得到平滑后的主方向。
该函数的定义如下：
Ε(αλ ) = - ρ)∑ η2 (αί - α'0) - Ε
i
Smoothing = P∑COS2((a,- - ) - («y - ββ ))
ij 其中， p为控制平滑程度的系数， 为所要求的主方向与一个参考方 向的夹角， 该参考方向定义为点 i的切平面上的任意一个方向， 《,°为原始 主方向与该参考方向的夹角， ?y为连接 i，J'两点的线段的方向。该方程可 以转化为一个二次优化问题， 使用最速下降法解出优化问题， 最优解即平 滑后的主方向与参考方向的夹角， 利用此夹角即可求出平滑后的主方向。 全局参数化的目的是对于定义在点云上的两个标量函数 和 ^求出 ^ 和 在每一个点的具体值， 使得该点的最大主方向和最小主方向分别与两 个标量函数的梯度尽量保持一致。 如图 3所示全局参数化分为三个步骤： 局部三角化； 计算点云的能量函数； 求取能量函数的最优解。 其中局部三 角化已在主方向场的计算中完成。 为了计算点云的能量函数， 本方法首先 定义一种能量函数来衡量这种差异， 定义如下:
F= [{V6T -ωΚ + νφ' -ωΚ )dS 在实际求取中， 标量函数在点云上每一点的梯度定义为标量函数在与该点 相邻的每一个三角形内的梯度之和。标量函数在一个三角形内的梯度为对 三角形每一条边端点标量函数之差与该边矢量的乘积求和。 基于此， 上述 方程离散化为下面的形式：
F =∑(0, -^ -wK-ey)2 + ― — ^1 · )2， 其中， θ 分别表示点 t'对应的两个标量函数的值， 分别表示点 处的最大主方向和最小主方向， 表示连接点 ， _ /的线段的矢量， W是用 户指定的控制参数化疏密程度的参数。
求取能量函数的最优解即求解上述方程的最小值。该方程可以转化为 一个二次优化问题， 使用最速下降法求得该问题的最优解即可得到点云数 据的全局参数化结果。
对于已经求得全局参数化结果的点云数据， 其等值线的走向基本与主 方向一致， 等值线网络构成了基本的四边形网格化基础， 等值线的交点即 四边形网格的顶点， 顶点之间的连接关系则由等值线之间的连接关系决 定。
为了得到最终的四边形网格化结果， 如图 4所示， 本方法首先求取每 个三角形内的等值线段， 然后按照一定的规则对冗余的等值线段进行处 理， 最后建立四边形网格。
本方法所述的等值线是由各个三角形内的等值线段连接而成的。对于 每一个三角形， 设其三个顶点所对应的 e函数值分别为 ， e ek, 等值 线所代表的值为^。， 则对于三角形的每一条边 ， 若 min ( ， 0j <0iso<max(ei, ， 定义 交点为； 7， 且 ―
Figure imgf000007_0001
其中， ρ, , 分别为两个端点的位置。对于每一个三角形，若 min( ， Θ 0k ) <eiso <max( 0,， Θ 6k ), 则按照上述方法可得到两个交点， 连接两个 交点即可得到所述的等值线段。 对于同一三角形， 若同时存在对应于 P函 数的等值线段和对应于 函数的等值线段， 则求出这两个线段在三角形内 的交点。 该交点即等值线段的交点。 由于本方法所建立的为局部三角形， 因此会存在三角形重叠的情况， 即每一条边可能被两个以上的三角形共有。为解决三角形重叠带来的冗余 点的问题， 采取下述规则对上述方法所得到的等值线段进行摈弃或者融 合， 规则如下：
1 )如果一个三角形不存在与其重叠的邻接三角形， 如图 5(a)所示， 则 计算位于该三角形内的等值线段， 并求取其交点 k， I， 对于其邻接三角 形内的等值线段， 若具有相同的端点， 则合并这两个等值线段， 即将 k 与 k， /合并为 /；
2)如果一个三角形存在与其重叠的邻接三角形， 如图 5(b)所示， 则对 于其邻接三角形内的等值线段， 若具有相同的端点， 保留较长的等值线段 摈弃较短的等值线段， 在图中即在 _/与 , 中摈弃 ^ ， 保留 k, 同 时由于 点去除， 则与 _ /相连的 /也同时去掉， 保留 ^ /；
3 ) 如果一个三角形存在与其重叠的邻接三角形， 且两个等值线段在 改三角形内都有交点，如图 5(c)所示，则对于其邻接三角形内的等值线段， 若对应于两个标量函数的等值线段在两个三角形内均有交点， 则通过将求 取两个交点的平均值来将这两个交点融合为一个点。
对等值线段处理之后， 对于每一个等值线之间的交点， 按照等值线段 之间的连接关系找到该交点的邻接点并连接， 即可建立形状均匀且方向符 合主方向的四边形网格。
用 C++语言实现了本发明所描述的方法， 并且在几个不同的数据集上 做了实验。 所有的实验都是在一台 Intel® Core™2 Quad CPU Q6600,
2. 40GHz 4G内存的 PC机上完成的， 显示部分使用了标准的 OpenGL图形函 数库。
表 1给出部分实验所用模型的复杂度 （点的个数） 和三种处理 （主方 向处理、 局部三角化、 全局参数化） 所花的时间。
表 1
Figure imgf000009_0001
附图 6给出了在加噪声的零件模型上得到的结果， 噪声为方差为 0.1 的高斯噪声。 图 6(a)为在模型上经过平滑处理后的主方向场， 图 6(b)分别 用红、 蓝两种颜色显示了对应于参数化结果的两个标量函数的等值线， 图 6(c)为利用上述等值线进行四边形网格化的结果。 图片显示四边形分布均 匀， 走向符合物体的几何特征。 本结果均在点云模型上处理进行的， 为方 便显示在网格曲面上显示结果。
附图 7列出了在零件的模型上利用我们的方法在零件的点云模型上得 到的结果与利用 Ray的方法在零件的网格模型上得到的结果之间的对比。 图 7(a)和图 7(b)为本方法得到的等值线和四边形网格化结果，图 7(c)和图 7(d)为 Ray的方法得到的等值线和四边形网格化结果， 从图中可以看出对 于相同的模型， 本方法仅利用模型的点云数据而无需事先三角网格化可以 得到同样质量的结果。
本方法的特色和创新在于利用局部三角化直接在点云模型上进行 全局参数化和四边形网格化而无需从点云数据重建三角网格曲面。而且本 方法完全自动， 无需人工干预， 并且通过参数可以快速的控制四边形网格 化的疏密程度， 得到各种分辨率的四边形网格。
上述实验结果和直接对点云数据进行全局参数化和四边形网格化的 方法， 可以用于计算机图形学各应用领域， 具有较高的实际应用价值。
以上所述， 仅为本发明中的具体实施方式， 但本发明的保护范围并不 局限于此， 任何熟悉该技术的人在本发明所披露的技术范围内， 可理解想 到的变换或替换， 都应涵盖在本发明的包含范围之内， 因此， 本发明的保 护范围应该以权利要求书的保护范围为准。

Claims

1.一种对点云数据进行全局参数化和四边形网格化方法， 包括步骤：
1 ) 计算主方向场， 并对主方向场进行平滑；
2 ) 全局参数化；
3 ) 四边形网格化。
2. 按权利要求 1所述的方法， 其特征在于所述计算主方向场包括： 计算各个点的初始法向量；
计算各个点的曲率张量。
3. 按权利要求 1所述的方法， 其特征在于所述全局参数化包括： 对每个点进行局部三角化；
计算点云的能量函数；
求取能量函数的最优解。
4. 按权利要求 1所述的方法， 其特征在于所述四边形网格化包括： 求取每个三角形的等值线段；
对冗余的等值线段进行处理；
建立四边形网格。
5. 按权利要求 2所述的方法， 其特征在于对于点云数据的每一个点， 通过拟合初始法向量， 得到每一个点的曲率张量， 从而求得每一个点的主 方向。
6. 按权利要求 3所述的方法， 其特征在于对于点云数据的每一个点， 取其周围的 15个或 30个近邻点， 投影到该点的切平面上， 对于投影后的 点进行局部狄洛尼三角化。
7. 按权利要求 6所述的方法， 其特征在于， 所述局部狄洛尼三角化包 括：
对于点云数据中的每一个点，将其周围的 k个近邻点投影到切平面上， 然后对该点及投影点进行二维平面上的三角化， 使产生的所有三角形的最 小内角最大化；
对于三角化结果中的每一个三角形， 其顶点所对应的三维空间中的点 也建立同样的连接关系。
8. 按权利要求 1所述的方法， 其特征在于， 所述对主方向场进行平滑 包括：
求取每一个点的主方向与其近邻点的主方向的差异， 通过求取点云的 所有方向差异和的最小值得到每一个点的新的主方向。
9. 按权利要求 2所述的方法， 其特征在于还包括：
根据建立的局部三角化的关系， 定义点云上每一个点的标量函数的梯
10. 按权利要求 9所述的方法， 其特征在于， 所述定义点云上每一个 点的标量函数的梯度包括：
对于每一个点的邻接三角形， 计算标量函数在该三角形内的梯度， 标 量函数在该点的梯度为所有邻接三角形内的梯度之和。
11. 按权利要求 10所述的方法，其特征在于求解使梯度方向与主方向 一致的优化问题包括：
设在点 的两个标量函数为 e和^ 则衡量梯度方向与主方向一致性 差异的能量函数为 /^^^ ^-^ + Νφ' -ωΚ )dS ,求取使 E最小的 和 φ， 其中， 《为由用户指定的控制参数化疏密程度的参数， ： ^为最大主方 向场， 为最小主方向场。
12. 按 权 利 要 求 所 述 的 方 法 ， 其 特 征 在 于 ， = J(|ver- iy ||2+ ν^-ω^、dS， 这个表达式在实际计算中的离散化形式 为 F = (Θ, -Θ Μ>Κ · )2 + (φ φ厂 wK1.e )2， 其中， θ 分别表示点 对应的两个标量函数的值， 分别表示点 处的最大主方向和最小主方 向， ^表示连接点 ， J'的线段的矢量， w是用户指定的控制参数化疏密程 度的参数。
13. 按权利要求 4所述的方法， 其特征在于， 所述求取三角形内的等 值线段包括：
对于每一个三角形三个点对应的标量函数值， 若其最大最小值确定的 区间范围包括给定的等值， 则根据线性关系， 得到与该等值对应的线段。
14.按权利要求 4所述的方法， 其特征在于， 等值线段的交点是对应于 每一个三角形， 若两个标量函数所对应的等值线在该三角形内有交点， 求 取该交点， 并将该交点作为四边形网格化的一个顶点。
15.按权利要求 4所述的方法，其特征在于所述对冗余的等值线段进行 处理包括：
1 ) 如果一个三角形不存在与其重叠的邻接三角形， 则计算位于该三 角形内的等值线段， 并求取其交点， 对于其邻接三角形内的等值线段， 若 具有相同的端点， 则合并这两个等值线段； 或
2) 如果一个三角形存在与其重叠的邻接三角形， 则对于其邻接三角 形内的等值线段， 若具有相同的端点， 保留较长的等值线段摈弃较短的等 值线段；
3 ) 如果一个三角形存在与其重叠的邻接三角形， 且对于其邻接三角 形内的等值线段， 若对应于两个标量函数的等值线段在两个三角形内均有 交点， 则通过将求取两个交点的平均值来将这两个交点融合为一个点。
PCT/CN2009/001591 2009-12-30 2009-12-30 对点云数据进行全局参数化和四边形网格化方法 WO2011079421A1 (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN2009801249381A CN102870139A (zh) 2009-12-30 2009-12-30 对点云数据进行全局参数化和四边形网格化方法
PCT/CN2009/001591 WO2011079421A1 (zh) 2009-12-30 2009-12-30 对点云数据进行全局参数化和四边形网格化方法
US13/001,906 US20120013617A1 (en) 2009-12-30 2009-12-30 Method for global parameterization and quad meshing on point cloud

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2009/001591 WO2011079421A1 (zh) 2009-12-30 2009-12-30 对点云数据进行全局参数化和四边形网格化方法

Publications (1)

Publication Number Publication Date
WO2011079421A1 true WO2011079421A1 (zh) 2011-07-07

Family

ID=44226101

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2009/001591 WO2011079421A1 (zh) 2009-12-30 2009-12-30 对点云数据进行全局参数化和四边形网格化方法

Country Status (3)

Country Link
US (1) US20120013617A1 (zh)
CN (1) CN102870139A (zh)
WO (1) WO2011079421A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306397A (zh) * 2011-07-08 2012-01-04 中国科学院自动化研究所 点云数据网格化的方法
CN103489221A (zh) * 2013-09-30 2014-01-01 中国科学院深圳先进技术研究院 四边形网格共形参数化方法
CN108765571A (zh) * 2018-05-29 2018-11-06 大连九州创智科技有限公司 一种大型料堆点云补全方法
CN108877476A (zh) * 2018-05-31 2018-11-23 北京金阳普泰石油技术股份有限公司 一种分层级虚网格获取方法、装置及系统
CN109671155A (zh) * 2018-12-21 2019-04-23 北京林业大学 基于点云数据的表面网格重建方法、系统及相关设备

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140125663A1 (en) * 2010-12-03 2014-05-08 Institute of Automation, Chinese Academy of Scienc 3d model shape analysis method based on perception information
US9002719B2 (en) 2012-10-08 2015-04-07 State Farm Mutual Automobile Insurance Company Device and method for building claim assessment
US8872818B2 (en) 2013-03-15 2014-10-28 State Farm Mutual Automobile Insurance Company Methods and systems for capturing the condition of a physical structure
US8818572B1 (en) 2013-03-15 2014-08-26 State Farm Mutual Automobile Insurance Company System and method for controlling a remote aerial device for up-close inspection
US8874454B2 (en) 2013-03-15 2014-10-28 State Farm Mutual Automobile Insurance Company Systems and methods for assessing a roof
US9082015B2 (en) 2013-03-15 2015-07-14 State Farm Mutual Automobile Insurance Company Automatic building assessment
US20140267357A1 (en) * 2013-03-15 2014-09-18 Dreamworks Animation Llc Adaptive importance sampling for point-based global illumination
US10121273B2 (en) * 2013-08-08 2018-11-06 University Of Florida Research Foundation, Incorporated Real-time reconstruction of the human body and automated avatar synthesis
CN104318594B (zh) * 2014-10-16 2017-04-12 南京师范大学 一种平面向量场的四边形网格化方法
CN105590311A (zh) * 2014-11-13 2016-05-18 富泰华工业（深圳）有限公司 图形化平面数据分析系统及方法
US10176527B1 (en) 2016-04-27 2019-01-08 State Farm Mutual Automobile Insurance Company Providing shade for optical detection of structural features
CN108510134B (zh) * 2017-02-27 2022-02-01 中国石油化工股份有限公司 一种确定地质变量分位值的方法和系统
US11367255B2 (en) 2018-10-30 2022-06-21 Hewlett-Packard Development Company, L.P. Determination of modeling accuracy between three-dimensional object representations
CN109584371B (zh) * 2018-12-07 2021-02-09 中南大学 空间曲线覆盖三角网格曲面的方法
CN110838181B (zh) * 2019-11-08 2023-09-26 中煤航测遥感集团有限公司 三角网模型的水平切割方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1996392A (zh) * 2006-08-14 2007-07-11 东南大学 三维扫描系统中的图形重构方法
US20080238919A1 (en) * 2007-03-27 2008-10-02 Utah State University System and method for rendering of texel imagery

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1996392A (zh) * 2006-08-14 2007-07-11 东南大学 三维扫描系统中的图形重构方法
US20080238919A1 (en) * 2007-03-27 2008-10-02 Utah State University System and method for rendering of texel imagery

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306397A (zh) * 2011-07-08 2012-01-04 中国科学院自动化研究所 点云数据网格化的方法
CN103489221A (zh) * 2013-09-30 2014-01-01 中国科学院深圳先进技术研究院 四边形网格共形参数化方法
CN108765571A (zh) * 2018-05-29 2018-11-06 大连九州创智科技有限公司 一种大型料堆点云补全方法
CN108877476A (zh) * 2018-05-31 2018-11-23 北京金阳普泰石油技术股份有限公司 一种分层级虚网格获取方法、装置及系统
CN108877476B (zh) * 2018-05-31 2020-05-22 北京金阳普泰石油技术股份有限公司 一种分层级虚网格获取方法、装置及系统
CN109671155A (zh) * 2018-12-21 2019-04-23 北京林业大学 基于点云数据的表面网格重建方法、系统及相关设备
CN109671155B (zh) * 2018-12-21 2023-06-23 北京林业大学 基于点云数据的表面网格重建方法、系统及设备

Also Published As

Publication number Publication date
US20120013617A1 (en) 2012-01-19
CN102870139A (zh) 2013-01-09

Similar Documents

Publication Publication Date Title
WO2011079421A1 (zh) 对点云数据进行全局参数化和四边形网格化方法
US8711143B2 (en) System and method for interactive image-based modeling of curved surfaces using single-view and multi-view feature curves
CN101510316B (zh) 产品stl模型的变形设计方法
Xia et al. Editable polycube map for gpu-based subdivision surfaces
Li et al. Automatic and interactive mesh to T-spline conversion
CN107730587B (zh) 一种基于图片快速三维化交互式建模方法
Yu et al. Optimizing polycube domain construction for hexahedral remeshing
CN111581776B (zh) 一种基于几何重建模型的等几何分析方法
CN107886569B (zh) 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
Wang et al. Arap++: an extension of the local/global approach to mesh parameterization
Qiu et al. An efficient and collision-free hole-filling algorithm for orthodontics
Yu et al. An rbf-based reparameterization method for constrained texture mapping
CN110689620A (zh) 一种多层次优化的网格曲面离散样条曲线设计方法
Nieser et al. Patch layout from feature graphs
JP2015001789A (ja) 曲面生成装置、曲面生成プログラム及び曲面生成方法
Zhang et al. Model reconstruction from cloud data
Wang et al. Point cloud hole filling based on feature lines extraction
JP2006277712A (ja) ３次元モデルのフィッティング装置、方法及びプログラム
Lin et al. Automatic reconstruction of B-spline surfaces with constrained boundaries
CN114549795A (zh) 一种鞋楦曲面的参数化重构方法、系统、介质及设备
Pang et al. An effective quad-dominant meshing method for unorganized point clouds
CN109920058B (zh) 一种基于各向异性度量的牙齿分割方法
Yang et al. Moving parabolic approximation of point clouds
Mörwald et al. Direct optimization of T-splines based on Multiview Stereo
Xie et al. A triangulation-based hole patching method using differential evolution

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 200980124938.1

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 13001906

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09852706

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 15/10/2012)

122 Ep: pct application non-entry in european phase

Ref document number: 09852706

Country of ref document: EP

Kind code of ref document: A1