【技术实现步骤摘要】
本专利技术涉及一种三维点采样数据的简化方法。
技术介绍
在三维大规模点采样数据的获取中，利用三维扫描设备获取的均勻采样点数据通 常并不依赖于模型的内在特征，使得获取的三维采样点数据通常具有许多冗余信息。从而 在诸如三维模型的远程传输，隐式曲面的快速重建，数字娱乐和虚拟现实中的实时显示等 实际应用中，通常需要对原始三维采样点数据进行简化和重采样。同时由于三维大规模点 采样数据处理所需要的大量内存需求和高度的时间复杂性，对有效处理大规模采样数据在 形状建模和实时绘制等带来了巨大的挑战。如何有效地实现点采样数据的简化和重采样是 一项重要的工作，能够提供了解决上述难点的一条途径。通常认为，一个有效的三维点采样数据模型的简化和重采样方法应该具有如 下一些特点(1)方法的有效性针对大规模模型的简化方法在时间和空间上是高效的；方法保持模型的几何特征简化方法应该尽可能好的保持数据模型的内在几何特征；模型简化的质量和用户可控的简化误差简化模型的质量应是较高的，并能够提供比 较方便的方法控制简化过程产生的几何误差。针对三维点采样数据的简化和重采样，Pauly et al.提出了一...
【技术保护点】
一种基于Ｇａｕｓｓｉａｎ球的三维点采样数据简化方法，其特征在于：所述简化方法包括：１）将三维采样点数据上的Ｌ↑［２，１］形状度量定义为采样点法向量场Ｇａｕｓｓｉａｎ映射像之间的Ｅｕｃｌｉｄｅａｎ距离，根据用户指定的细分层次，Ｇａｕｓｓｉａｎ球的正则三角化通过对单位球的内接正则多面体进行递归细分得到；２）以大规模离散面元作为输入数据，所述输入数据包括采样点的位置和法向信息，根据采样点的法向偏差确定每一个采样点的邻域；３）首先选取一个种子采样点，并赋以一个索引值，该索引被传递扩散到其法向量位于同一Ｇａｕｓｓｉａｎ三角形中的相邻采样点，在索引扩散过程中采用一个堆栈数据结构，堆栈元...
【技术特征摘要】
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。