点模型简化,特征边性,Mean Shift聚类,移动最小二乘曲面," /> 点模型简化,特征边性,Mean Shift聚类,移动最小二乘曲面,"/>
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
国家“863”高技术研究发展计划资助项目(2007AA01Z311,2007AA04Z1A5);浙江省教育厅科研资助项目(Y200805211,Y200805999).
王仁芳 张三元 叶修梓. 基于相似性的点模型简化算法[J]. J4, 2009, 43(3): 448-454.
WANG Ren-Fang, ZHANG San-Yuan, XIE Xiu-Zi. . J4, 2009, 43(3): 448-454.
http://www.zjujournals.com/xueshu/eng/CN/ 或 http://www.zjujournals.com/xueshu/eng/CN/Y2009/V43/I3/448
Cited