曲面重建的網格方法和技術研究.pdf

1、本文對三維數(shù)據(jù)場曲面重建中的網格方法以及一些相關技術進行了研究，內容包括曲面網格的重建、曲面網格的簡化、光順、以及在網格數(shù)據(jù)結構中虛擬內存技術。全文共分六章。 第一章對三維數(shù)據(jù)可視化技術作了一個綜述，著重闡述了三維數(shù)據(jù)的采集以及其分類；可視化技術中曲面重建算法的介紹以及分類；最后回顧了一下網格簡化技術的發(fā)展。 第二章描述了海量數(shù)據(jù)場中的曲面網格分層重建技術。傳統(tǒng)的曲面重建算法往往是先進行等值面抽取再對抽取的結果網格進行各

2、種后期操作，如網格光順、簡化等。對于大數(shù)據(jù)量的數(shù)據(jù)場來說，等值面抽取過程對計算機的存儲空間提出了很高的要求，通常不得不使用大容量的圖形工作站才能解決問題。本章中我們創(chuàng)新地提出了大數(shù)據(jù)量曲面網格分層重建算法。在算法中，我們首次提出逐層重建，即時簡化的策略。采用該策略，我們可以邊重建邊簡化結果網格，從而有效地降低了算法對計算機存儲空間的要求。在算法實例中，我們針對已分割的VisibleHuman頭部切片數(shù)據(jù)，完成了大腦，小腦，脊椎等器官的表

3、面重建工作。實踐結果表明分層重建算法能在有限的內存空間里完成傳統(tǒng)網格重建算法所不能完成的大數(shù)據(jù)量的曲面網格重建。這對一些大數(shù)據(jù)量網格重建工作，如醫(yī)學圖象可視化等，在個人計算機上普及應用起到一定的幫助作用。此外，本文算法的思想還可應用在大數(shù)據(jù)量網格模型的簡化，傳輸?shù)确矫妗?第三章介紹了基于離散曲率的邊折疊網格簡化算法。雖然網格在計算機表示中是離散的，但近似的離散曲率依然能有效地反映曲面網格的幾何特征。網格簡化的過程可以看作為曲面幾

4、何特征信息按一定順序剔除的過程。在這一章中，我們提出基于離散曲率的方法。通過網格頂點處的離散曲率計算，我們可以盡可能地減少低頻區(qū)域的頂點密度，保護網格形狀特征細節(jié)豐富的高頻區(qū)域。并采用了蝶形子分作為邊折疊產生新點的模板。在本章算法實例中，我們對牛模型，鹿頭模型進行了簡化操作，對簡化效果進行了對比。實驗結果表明，利用該算法來進行曲面簡化能很好地保持網格的形狀。 第四章詳細闡述了網格數(shù)據(jù)結構中的虛擬內存技術。由于三維數(shù)據(jù)采集技術不斷

5、提高，曲面重建所得到的模型網格越來越復雜。超大型網格對計算機內存容量要求遠遠超出現(xiàn)有硬件水平所能承受的范圍。雖然操作系統(tǒng)提出了虛擬內存管理的概念，對數(shù)據(jù)存儲空間做出了一定的擴容。但是在對大數(shù)據(jù)量網格實際使用中，我們嘗試直接使用操作系統(tǒng)的虛擬內存感覺效果并不好，主要存在兩大缺點：可提供的內存容量有限且固定；實際使用內存不可控，影響操作系統(tǒng)本身的工作效率。正是基于這兩點考慮，在這一章中，我們根據(jù)超大型網格數(shù)據(jù)管理的需要，提出并設計了一個實際

6、內存可控的虛擬內存管理模塊MAGVMM。MAGVMM通過與磁盤空間的交換提供給上層應用使用的內存容量遠遠大于操作系統(tǒng)所能提供的。利用MAGVMM，我們構建了支持超大容量的數(shù)組，應用到網格的數(shù)據(jù)結構中，從而可以很好地完成大數(shù)據(jù)量網格的操作。在本章的算法實例中，我們對貝多芬模型，第二章算法實例中得到的多個器官模型在指定使用內存容量(均遠小于模型實際所需的容量)的情況下進行了動態(tài)交互顯示。實驗結果表明，MAGVMM模塊完全達到我們當初設計的初