[发明专利]三角网格表示的曲面非迭代重新网格化方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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。

发明内容

本发明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。

本发明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θ_sum(v)为邻接v点的三角片内角其中N_e(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：