论文部分内容阅读
由于基点选取的随意性，基于Voronoi-Delaunay剖分的多分辨率表示生成算法不能很好地保持原始模型的几何特征，为捕捉模型的形状需要较大的基网格。此外该方法还存在如下两个问题：生成Voronoi区域时效率较低；重采样限制在Delaunay三角片中，导致重采样结果在三角片区域边界处连续性差，出现明显的分块痕迹，降低重网格化结果的质量。基于曲率选点的多分辨率生成算法，虽然采取了一些措施来捕捉原始模型的几何形状，提高运行效率，但仍然耗费了大量的时间来构建合法的Voronoi区域，亦未能完全消除块间的分界痕迹。
考虑到因Voronoi划分条件破坏而重新进行区域划分的耗时甚多，本文引入对偶面片的概念，使其进行Voronoi划分时自动满足其中一个划分条件：不会有多于三个的Voronoi区域交于一点，从而减少Voronoi区域构建的用时，提高算法效率。由于Voronoi划分是重网格化算法的瓶颈，采用文中算法能减少划分时条件检测的耗时，从而显著地降低整个重网格化过程的时间复杂度；为克服局限在Delaunay三角片参数域进行重采样时导致重采样网格三角片区域间的边界痕迹明显，我们采用了一种基于Loop细分规则的跨区域重采样的方法，又利用Laplace算子对重采样网格进行局部平滑，使生成的重构网格较为平滑，边界痕迹问题有一定的改善。