基于弧线骨骼的网格序列的拓扑修补方法技术

本发明专利技术公开了一种基于弧线骨骼的网格序列拓扑修补的方法。本方法包括网格序列转化为扩展隐式八叉树，从扩展隐式八叉树中抽取表示拓扑的弧线骨骼，基于原型的弧线骨骼匹配，弧线骨骼比较并修补扩展隐式八叉树，从扩展隐式八叉树中抽取修补后网格序列五个步骤。在本方法中，用图来表示弧线骨骼，并用图论中的图匹配方法加上网格序列的运动空间连续性来匹配弧线骨骼。之后通过比较匹配前后弧线骨骼的差异性来得到网格拓扑的差异性，进而修补网格的拓扑。本发明专利技术采用匹配的方式，大大减少了人工的交互量。本发明专利技术还利用运动的空间连续性以及合理选择待匹配节点加速了匹配的过程。

【技术实现步骤摘要】

本专利技术涉及三维网格数据的获取和重建，尤其涉及一种。
技术介绍
当前由于网格模型数据获取技术的发展，使得网格模型获取变得更加快速和精确，这使得研究网格序列的获取技术成了近期的热点。这里的网格序列指的是单个网格随着时间不断运动的序列。当前研究的主要方向集中在怎样方便准确的获取网格序列的几何信息。然而由于遮挡，设备精度等无法避免的原因，获得的网格序列中许多帧之间可能具有不同的拓扑，这不同的拓扑可能造成后续处理过程，如交叉参数化，无法进行。 拓扑问题在模型获取中一直存在，近几年在相关邻域顶级会议中有多篇文章对于这一问题进行了不同程度的研究。然而这些研究全部都是针对于单个模型的拓扑修补。如果把这些技术直接运用于网格序列的拓扑修补，则需要相当多人的交互才能完成。本专利技术对于网格序列的拓扑修补进行了开创性的研究，目的在于尽量减少人的交互，并提高修补的效率。 弧形骨骼是近年来相关邻域中提出的一个新的概念，此弧形骨骼在多个方面有着重要应用。本专利技术中把弧形骨骼看作是图，并运用图论中图匹配来完成所需要的应用。这给了弧形骨骼这个概念以全新的视角。
技术实现思路
本专利技术的目的是克服现有技术的不足，提供一种。 包括如下步骤 1)将网格序列中的每个网格转化为隐式八叉树，再转化为扩展隐式八叉树，扩展隐式八叉树中的元素包括含有带符号的顶点、边、面和体，符号表示顶点、边、面和体在隐含曲面的内部时，当且仅当每个元素包含的所有顶点都在隐含曲面内部； 2)预计算扩展隐式八叉树的距离场，并通过距离场计算出扩展隐式八叉树的中轴，且对中轴进行滤波操作，通过两个收缩来抽取弧线骨骼在第一个收缩时把扩展隐式八叉树收缩到扩展隐式八叉树的中轴；在第二个收缩时根据距离场进一步把扩展隐式八叉树的中轴收缩到原始弧线骨骼；收缩时记录了每一步收缩的过程； 3)用户通过编辑指定一个原型弧线骨骼，在匹配时把弧线骨骼看成是包含节点和边的图结构并运用图匹配算法，在满足拓扑约束和几何约束的情况下，从原型弧线骨骼扩散得到所有原始弧线骨骼的匹配后弧线骨骼，拓扑约束是指匹配后弧线骨骼与原型弧线骨骼中的节点和边具有一一对应关系，几何约束是指在所有满足拓扑约束的可能匹配方案中，匹配后弧线骨骼与原型弧线骨骼的对应节点和边的距离和最小，在匹配时，同时运用网格序列运动的时间连续性和合理选择下一个原型弧线骨骼中的待匹配节点来加速匹配的过程，在匹配成功后执行一个松弛的过程来使得匹配后弧线骨骼与原型弧线骨骼更加满足几何约束，在松弛中每次去掉一个匹配对看是否能够找到一个新对在满足拓扑约束的情况下能够使得总的几何约束能量更小，直到所有已匹配对都不能被替换； 4)比较原始弧线骨骼和匹配后弧线骨骼中多存在的环，并根据这些环加上收缩记录设置扩展隐式八叉树元素的元素符号值，使得新的修补后扩展隐式八叉树具有与匹配后弧线骨骼一致的拓扑； 5)利用“Dual Contouring”等值面抽取算法，从每个修补后扩展隐式八叉树中抽取网格，得到拓扑一致的网格序列。 所述的扩散是从用户给定原型弧线骨骼开始，依次扩散到网格序列其他帧的原始弧线骨骼，在完成一次原型弧线骨骼和其相邻帧原始弧线骨骼的匹配后，匹配后弧线骨骼成为新的原型弧线骨骼，下一次匹配新的原型弧线骨骼与新的原型弧线骨骼的未匹配相邻帧的原始弧线骨骼，匹配过程一直进行到所有的原始弧线骨骼都已匹配或者某次匹配失败，在匹配失败时，用户在匹配失败帧编辑指定另一个原型弧线骨骼，匹配从这一帧继续进行下去。 所述的在运用网格运动的时间连续性来加速匹配是运用任意一个原型弧线骨骼中的度大于等于3的节点只能匹配原始弧线骨骼中度大于等于3的节点的规则，对于原型弧线骨骼中某个待匹配的度大于等于3的节点，去掉原始弧线骨骼中的部分候选节点，使得匹配次数减少进而加速匹配过程，被去掉的原始弧线骨骼中的部分候选节是不能通过边连接到“潜在节点”的所有度大于等于3的节点，以及度原本就小于3的节点，“潜在节点”包括原型弧线骨骼中已经匹配节点所对应的原始弧线骨骼中的节点，以及为原型弧线骨骼中未匹配节点所在空间位置的用户给是距离内原始弧线骨骼中的所有节点。 所述的在合理选择下一个原型弧线骨骼中的待匹配节点来加速匹配的方式是优先选择原型弧线骨骼中的通过边连接的直接相邻的已匹配节点，其中最优先选择直接相邻节点已匹配的度为1的节点或者直接相邻节点中有两个以上的已匹配的度大于等于3的节点，其次选择只有一个已匹配直接相邻节点的度大于等于3的节点，没有任何已匹配直接相邻节点的节点是最后选择的节点。 本专利技术通过把弧线骨骼这一近期提出的概念看成图，使用图匹配这个经典的图论方法，来匹配用户期望拓扑，进而使得修补后的网格序列具有与用户期望一致的拓扑。在本专利技术中，由于使用了匹配的方法，使得用户交互尽量的减少。在匹配中使用到了运动连续性和合理选择待匹配节点的方法，使得匹配时间大大减少。 附图说明 图1是流程图； 图2是本专利技术的选取待匹配节点方法的比较； 图3是本专利技术的运用空间连续性加速匹配过程； 图4是本专利技术的节点松弛过程的结果； 图5是本专利技术的一个运行结果。 具体实施例方式 包括如下步骤 1)将网格序列中的每个网格转化为隐式八叉树，再转化为扩展隐式八叉树，扩展隐式八叉树中的元素包括含有带符号的顶点、边、面和体，符号表示顶点、边、面和体在隐含曲面的内部时，当且仅当每个元素包含的所有顶点都在隐含曲面内部； 网格转化为隐式八叉树是使用PolyMender软件(T.Ju，“Robust repair ofpolygonal models，”ACM Trans.Graph.，vol.23，no.3，pp.888-895，2004.)。隐式八叉树中只有顶点有符号(正号表示在隐含曲面内部)。隐式八叉树转化为扩展的隐式八叉树时，遍历隐式八叉树中所有元素，对于任意元素，当其所包含的所有顶点的符号都为正(例如，某条边的两个顶点都为正)时，元素的符号设置为正，否则设置为负号。 2)预计算扩展隐式八叉树的距离场，并通过距离场计算出扩展隐式八叉树的中轴，且对中轴进行滤波操作，通过两个收缩来抽取弧线骨骼在第一个收缩时把扩展隐式八叉树收缩到扩展隐式八叉树的中轴；在第二个收缩时根据距离场进一步把扩展隐式八叉树的中轴收缩到原始弧线骨骼；收缩时记录了每一步收缩的过程； 本专利技术使用Meijster等(Meijster Arnold，Roerdink Jos B.T.M.，and HesselinkWim H.A general algorithm for computing distance transforms in linear time.InMathematical Morphology and its Applications to Image and Signal Processing，pages 331-340.Kluwer Acad.Publ.，Dordrecht，2000.)的方法预计算距离场，并通过这个距离场算出中轴(E.Remy and E.Thiel.Exact medial axis with euclideandistance.Image and Vision Co本文档来自技高网...

【技术保护点】
一种基于弧线骨骼的网格序列的拓扑修补方法，其特征在于包括如下步骤：１）将网格序列中的每个网格转化为隐式八叉树，再转化为扩展隐式八叉树，扩展隐式八叉树中的元素包括含有带符号的顶点、边、面和体，符号表示顶点、边、面和体在隐含曲面的内部时，当且仅当每个元素包含的所有顶点都在隐含曲面内部；２）预计算扩展隐式八叉树的距离场，并通过距离场计算出扩展隐式八叉树的中轴，且对中轴进行滤波操作，通过两个收缩来抽取弧线骨骼：在第一个收缩时把扩展隐式八叉树收缩到扩展隐式八叉树的中轴；在第二个收缩时根据距离场进一步把扩展隐式八叉树的中轴收缩到原始弧线骨骼；收缩时记录了每一步收缩的过程；３）用户通过编辑指定一个原型弧线骨骼，在匹配时把弧线骨骼看成是包含节点和边的图结构并运用图匹配算法，在满足拓扑约束和几何约束的情况下，从原型弧线骨骼扩散得到所有原始弧线骨骼的匹配后弧线骨骼，拓扑约束是指匹配后弧线骨骼与原型弧线骨骼中的节点和边具有一一对应关系，几何约束是指在所有满足拓扑约束的可能匹配方案中，匹配后弧线骨骼与原型弧线骨骼的对应节点和边的距离和最小，在匹配时，同时运用网格序列运动的时间连续性和合理选择下一个原型弧线骨骼中的待匹配节点来加速匹配的过程，在匹配成功后执行一个松弛的过程来使得匹配后弧线骨骼与原型弧线骨骼更加满足几何约束，在松弛中每次去掉一个匹配对看是否能够找到一个新对在满足拓扑约束的情况下能够使得总的几何约束能量更小，直到所有已匹配对都不能被替换；４）比较原始弧线骨骼和匹配后弧线骨骼中多存在的环，并根据这些环加上收缩记录设置扩展隐式八叉树元素的元素符号值，使得新的修补后扩展隐式八叉树具有与匹配后弧线骨骼一致的拓扑；５）利用“ＤｕａｌＣｏｎｔｏｕｒｉｎｇ”等值面抽取算法，从每个修补后扩展隐式八叉树中抽取网格，得到拓扑一致的网格序列。...

【技术特征摘要】

【专利技术属性】
技术研发人员：黄劲，张洪鑫，鲍虎军，冯伟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]