三角网格表示的曲面非迭代重新网格化方法技术

本发明专利技术公开了一种三角网格表示的曲面非迭代重新网格化方法，进行网格重划分时先输入待重划分网格模型，其次采用特征点提取、有效特征线判断和使用LDNI方法进行模型重采样，然后进行点云数量优化和点云位置优化，并以网格半径为约束生成网格，再以最大面积为标准去除冗余三角片，最后以面积、二面角和三角片质量为约束进行网格修复即可输出。整个过程快速对模型三角片质量进行优化；使用新的基于点与三角片混合表示的数据结构，使得在进行处理时，能够确定重采样点在原始模型的特征信息；使用法向距离替代欧式距离，能够保留细节特征；在修补算法中考虑法向信息，使得缺失部分较好的还原。

Non-Iterative Remeshing of Surface Represented by Triangular Mesh

The invention discloses a non-iterative surface re-gridding method represented by triangular meshes, which inputs the mesh model to be re-divided first, then resamples the model by using feature points extraction, effective feature line judgement and LDNI method, then optimizes the number and position of point clouds, and generates the mesh with the constraint of mesh radius, and then maximizes the surface. Redundant triangles are removed according to product criterion. Finally, mesh repair with area, dihedral angle and triangle quality as constraints can be output. The whole process quickly optimizes the quality of triangles; uses a new data structure based on the mixed representation of points and triangles to determine the feature information of resampling points in the original model; uses the normal distance instead of the Euclidean distance to retain the details; and considers the normal information in the repair algorithm to make the missing part restore better.

【技术实现步骤摘要】
三角网格表示的曲面非迭代重新网格化方法
本专利技术涉及一种模型重新划分网格的方法，特别是涉及一种三角网格表示的曲面非迭代重新网格化方法。
技术介绍
利用目前现有的重网格化的方法生成新的网格后存在较多的问题，例如：当前存在着较多的问题，例如：重建后网格质量不好，依然存在较多的狭长三角片；重建后三角片的连接关系不正确，非流形结构去除不完整；重建形成的模型丢失细节信息，磨平了在具有细小gap的两个面；形成的网格曲面不平滑，存在类似于噪声结果；三角片的连接关系存在问题，特征边不能维持，重构后结果变形等。
技术实现思路
本专利技术的目的在于提供一种重构后能够保留细节特征、使原三角网格表示的曲面不变形的非迭代重新网格化方法。本专利技术提供的这种三角网格表示的曲面非迭代重新网格化方法，该方法包括以下步骤：步骤一、输入网格模型；步骤二、模型重采样，提取特征点，判断有效特征线，并使用LDNI方法采样，建立包括采样点法向距离的统一数据结构；步骤三、点云优化，以步骤二中数据结构为基础建立kd-tree数据结构，建立点云位置优化函数，找到满足自定义的误差阈值的重定位点，并计算覆盖半径；步骤四、确定网格半径约束，生成网格；步骤五、以最大面积为标准，去除冗余；步骤六、建立新的约束进行网格修补。在所述步骤二中：(1)、定义特征强度函数，若特征强度大于自定义阈值，则判定原始模型上顶点为特征点并保存该点的法向，再判断含有特征点的三角片是否含有有效边，若含有有效边，则按照自定义距离λ进行采样，并保存采样点法向；(2)、采用LDNI方法对原模型进行采样，获取采样点的坐标及法向i、对比(1)中各采样点，若重复则不再保存，继续遍历下个点，若不重复，则保存采样点坐标及法向，ii、找到采样点距原始模型最近三角片，并判断采样点的投影点落在三角片的位置，若落在内部、则特征强度为0，若落在边上、则判断边是否是有效边，若为有效边、则取边上两点特征值的平均值，否则特征强度为0；(3)、整合(1)和(2)中所保存的采样点，建立包含采样点坐标、对应原始面片、点的特征强度值统一数据结构并保存；(1)中特征强度函数为：F(v)＝(τ(|κ(v)|)+1)·(τ(ξ(v)+1))-1；其中其中θsum(v)为邻接v点的三角片内角其中Ne(v)为v点的邻接边D(e)为e边为邻接的三角片的二面角在所述步骤三中，点云位置优化函数为：其中：其中，c为上采样后的采样点，r为该点影响范围即球覆盖半径，x为重点位点，wj为权重表示该点的邻域点的稠密度、可以同时求出优化点位置及该点所形成球覆盖半径，Dij定义两点之间的距离，vi表示xi所对应的法向，mrs表示点xixj分别沿法向方向延长单位长度后得到四个点，同向延长的点中线段的中点距离xixj线段较长的线段的中点，ors表示垂足点，σ表示自定义的阈值、阈值为2R，ρ为两点之间的距离。在所述步骤四中：先找出在当前重定位点两倍半径r范围内的重定位点，再判断该重定位点范围内是否存在与重定位点的球相交并且两个交点不全在任意第三个球内部，若有则连接这三个点。在所述步骤五中：(1)在重建网格模型上选择一个种子点，种子点选择是以该点能遍历尽可能多的模型的边，(2)构造优先队列，加入种子点，i.提取队首点ii.判断该点是否只存在唯一一个一环邻域拓扑结构，若存在，则加入一环邻域点入队列并返回(2)，若含有多个环结构，则进入ⅲ，iii.遍历多个环结构，计算环结构中三角片之间最大二面角，选择最大二面角最小的环结构保存该环结构中的三角片，去除其他部分三角片，返回(2)。在所述步骤六中：遍历当前网格模型，若不含边界边，则停止；若含有边界边则：i.定位到边界点序列，ii.若只有三个点，则连接此三角片，若含有三个以上的点，使用贪婪法，按照约束依次找到各个点中的最优连接，最后再在找到的各个点中确定连接，约束条件有三个，为：面积最大，三角片与邻接存在三角片二面角最小，与原模型距离误差最小。本专利技术通过在进行网格重划分时先输入网格模型，其次采用特征点提取、有效特征线判断和使用LDNI方法进行模型重采样，然后进行点云数量优化和点云位置优化，并以网格半径为约束生成网格，再以最大面积为标准去除冗余三角片，最后以面积、二面角和三角片质量为约束进行网格修复即可输出。整个过程快速对模型三角片质量进行优化；使用新的机遇点与三角片混合表示的数据结构，使得在进行处理时，能够确定重采样点在原始模型的特征信息；使用法向距离替代欧式距离，能够保留细节特征；在算法中考虑法向信息，使得缺失部分较好的还原。附图说明图1为本专利技术一个优选实施例的总体算法流程图。具体实施方式如图1所示，本实施例提供的这种三角网格表示的曲面非迭代重新网格化方法，包括以下步骤：步骤一、输入网格模型。步骤二、模型重采样，提取特征点，判断有效特征线，并使用LDNI方法采样，建立包括采样点法向距离的统一数据结构；本步骤在实施时，具体算法为：(1)、定义特征强度函数，若特征强度大于自定义的阈值，此时阈值为0，则判定原始模型上顶点为特征点并保存该点的法向，判断含有特征点的三角片是否含有有效边，若含有有效边，则按照距离λ进行采样，λ为0.2，并保存采样点法向；(2)、采用LDNI方法对原模型进行采样，获取采样点的坐标及法向i、对比(1)中各采样点，若重复则不再保存，继续遍历下个点，若不重复，则保存采样点坐标及法向，ii、找到采样点距原始模型最近三角片，并判断采样点的投影点落在三角片的位置，若落在内部、则特征强度为0，若落在边上、则判断边是否是有效边，若为有效边、则取边上两点特征值的平均值，否则特征强度为0；(3)、整合(1)和(2)中所保存的采样点，建立包含采样点坐标、对应原始面片、点的特征强度值统一数据结构并保存；(1)中特征强度函数为：F(v)＝(τ(|κ(v)|)+1)·(τ(ξ(v)+1))-1；其中其中θsum(v)为邻接v点的三角片内角其中Ne(v)为v点的邻接边D(e)为e边为邻接的三角片的二面角。步骤三、点云优化，以步骤二中数据结构为基础建立kd-tree数据结构，建立点云位置优化函数，找到满足误差阈值的重定位点，并计算覆盖半径；其中，c为上采样后的采样点，r为该点影响范围即球覆盖半径，x为重点位点，wj为权重表示该点的邻域点的稠密度、可以同时求出优化点位置及该点所形成球覆盖半径，Dij定义两点之间的距离，vi表示xi所对应的法向，mrs表示点xixj分别沿法向方向延长单位长度后得到四个点，同向延长的点中线段的中点距离xixj线段较长的线段的中点，ors表示垂足点，σ表示自定义的阈值、阈值为2R，ρ为两点之间的距离。步骤四、确定网格半径约束，生成网格；本步骤实施时，先找出在当前重定位点两倍覆盖半径r范围内的重定位点，再判断该重定位点范围内是否存在与重定位点的球相交并且两个交点不全在任意第三个球内部，若有则连接这三个点。步骤五、以最大面积为标准，去除冗余；本步骤具体实施时，具体算法为，(1)在重建网格模型上选择一个种子点，种子点选择是以该点能遍历尽可能多的模型的边，(2)构造优先队列，加入种子点，i.提取队首点ii.判断该点是否只存在唯一一个一环邻域拓扑结构，若存在，则加入一环邻域点入队列并返回(2)，若含有多个环结构，则本文档来自技高网...

【技术保护点】
1.一种三角网格表示的曲面非迭代重新网格化方法，其特征在于，该方法包括以下步骤：步骤一、输入网格模型；步骤二、模型重采样，提取特征点，判断有效特征线，并使用LDNI方法采样，建立包括采样点法向距离的统一数据结构；步骤三、点云优化，以步骤二中数据结构为基础建立kd‑tree数据结构，建立点云位置优化函数，找到满足自定义的误差阈值的重定位点，并计算覆盖半径；步骤四、确定网格半径约束，生成网格；步骤五、以最大面积为标准，去除冗余；步骤六、建立新的约束进行网格修补。

【技术特征摘要】
1.一种三角网格表示的曲面非迭代重新网格化方法，其特征在于，该方法包括以下步骤：步骤一、输入网格模型；步骤二、模型重采样，提取特征点，判断有效特征线，并使用LDNI方法采样，建立包括采样点法向距离的统一数据结构；步骤三、点云优化，以步骤二中数据结构为基础建立kd-tree数据结构，建立点云位置优化函数，找到满足自定义的误差阈值的重定位点，并计算覆盖半径；步骤四、确定网格半径约束，生成网格；步骤五、以最大面积为标准，去除冗余；步骤六、建立新的约束进行网格修补。2.如权利要求1所述的三角网格表示的曲面非迭代重新网格化方法，其特征在于，在所述步骤二中：(1)、定义特征强度函数，若特征强度大于自定义阈值，则判定原始模型上顶点为特征点并保存该点的法向，再判断含有特征点的三角片是否含有有效边，若含有有效边，则按照自定义距离λ进行采样，并保存采样点法向；(2)、采用LDNI方法对原模型进行采样，获取采样点的坐标及法向i、对比(1)中各采样点，若重复则不再保存，继续遍历下个点，若不重复，则保存采样点坐标及法向，ii、找到采样点距原始模型最近三角片，并判断采样点的投影点落在三角片的位置，若落在内部、则特征强度为0，若落在边上、则判断边是否是有效边，若为有效边、则取边上两点特征值的平均值，否则特征强度为0；(3)、整合(1)和(2)中所保存的采样点，建立包含采样点坐标、对应原始面片、点的特征强度值统一数据结构并保存；(1)中特征强度函数为：F(v)＝(τ(|κ(v)|)+1)·(τ(ξ(v)+1))-1；其中其中θsum(v)为邻接v点的三角片内角其中Ne(v)为v点的邻接边D(e)为e边为邻接的三角片的二面角。3.如权利要求1所述的三角网格表示的曲面非迭代重新网格化方法，其特征在于，在所述步骤三中，点云位置优化...

【专利技术属性】
技术研发人员：刘圣军，杨崇俊，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43