基于相似性的点模型简化算法

被引：7

作者：

王仁芳 ^{[1
,2
]}

张三元 ^{[1
]}

叶修梓 ^{[1
]}

机构：

[1] 浙江大学计算机科学与技术学院

[2] 浙江万里学院计算机与信息学院

来源：

浙江大学学报(工学版) | 2009年 / 43卷 / 03期

关键词：

点模型简化; 特征边性; MeanShift聚类; 移动最小二乘曲面;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了获得高质量的简化点模型,提出了一种基于相似性的曲率自适应点模型简化算法,相似性包括强特征边性和表面区域几何特征相似性2个方面.利用法向张量投票方法,计算采样点的特征边性,由此将点模型分为强边性和非强边性2部分;基于Mean Shift聚类法,对非强边性部分进行表面区域几何特征相似性聚类;对强边性部分和各类簇重采样,实现曲率自适应的简化,并通过移动最小二乘曲面,评估简化曲面的误差.实验结果表明,该算法有效地保持了特征边界部分和曲面的细节,且能够生成高质量的简化点集曲面.

引用

页码：448 / 454

页数：7

共 5 条

[1] 点模型的几何图像简化法 [J].