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 ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。