重新网格化Remesh

Remesh并没有一个严格的定义，简单的讲，Remesh就是从一个输入网格生成另一个网格，并且满足一定的要求。根据网格改动大小，可以分为这么几类：
保持顶点拓扑和几何信息，优化网格连接关系
保持顶点拓扑信息，同时优化顶点几何和网格连接关系
顶点重采样，优化网格连接关系
Remesh对原网格的改动比较大，实际应用中要谨慎使用。尽量使用改动比较小的Remesh方法。
Delaunay三角化

Delaunay三角化，就是点云的一种三角化方法，它具有某些好的性质：

网格中的最小角最大化

任意三角形的外接圆内不含三角形以外的顶点

三角化的网格是点云的凸包

最大化所有三角面片的内切圆的平均值

其它…

带约束的Delaunay三角化

有时候，点云包含一些线段连接约束，如下图1所示。有些约束边并不满足Denaulay性质，所以，它并不能得到整体的Delaunay三角化结果(如下图2是点云的一个Delaunay三角化结果)。我们可以放开一些Delaunay性质约束，比如任意三角形的外接圆不含三角形以外的约束点。下图3是一个带约束的Denaulay三角化的结果。可以比较一下图2和图3的结果差异。

Delaunay网格优化
Delaunay优化，可以优化网格的连接关系，减少狭长三角形，保持网格顶点数目和位置不变。如下图所示，图2和图3是图1点云不同的三角化结果。图2经过一系列拓扑优化，如Delaunay边翻转操作，得到图3的高质量网格。
Delaunay优化只改变了网格顶点的连接关系，一般是局部的Delaunay边翻转。由于顶点保持不变，它可以极大可能的保持住原始网格的几何信息。缺点是，在顶点分布很差的情况下，优化的效果有限。

Voronoi图

给定一群平面（或曲面）的点，其Voronoi图，把平面（或者曲面）分隔成一块一块的区域，每个区域包含一个点，并且这块区域到所有点的最近点为其所包含的点。如图左所示。这些线也是相邻两点的垂直平分线。如果是曲面上的点，点之间的距离为曲面的测地距离。

Voronoi图和Delaunay三角化的图，互为对偶图。如图右所示。

重心Voronoi图

重心Voronoi图，是一种特殊的Vonoroi图，其每个区域的重心和其对应点重合。如右图所示，这就是一个重新Voronoi图。

重心Voronoi优化
重心Voronoi优化，可以减少狭长三角形。它和Delaunay优化的区别是，它不仅优化网格顶点的连接关系，还要优化顶点的位置。如下图1所示，虽然这是一个Delaunay三角化，但明显可以看出其网格质量很很差的，经过一系列几何优化（如重心Voronoi优化）后，顶点分布更加均匀，然后再做一个Delaunay三角化就得到了图2的结果。
重心Voronoi优化，虽然可以优化顶点分布，但其优化程度有限，在顶点分布极不均匀的情况下，效果还是不理想的。

网格质量

网格质量包含两方面的内容：拓扑质量和几何质量。

拓扑质量：如下图所示，图2和图3是图1点云不同的三角化结果。图2经过一系列拓扑优化，如Delaunay边翻转操作，得到图3的高质量网格。Geometry++有带约束的Delaunay优化功能。

几何质量：几何质量一般指顶点的坐标分布。如下图1所示，虽然这是一个Delaunay三角化，但明显可以看出其网格质量很很差的，经过一系列几何优化（如重心Vonoroi优化）后，顶点分布更加均匀，然后再做一个Delaunay三角化就得到了图2的结果。Geometry++有重心Vononoi优化功能。

重新网格化(Remesh)

Remesh并没有一个严格的定义，简单的讲，Remesh就是从一个输入网格生成另一个网格，并且满足一定的要求。常见的有三角网格到三角网格的Remesh，或者三角网格到四边网格的Remesh。这是一个典型的应用驱动的功能，不同的应用所需要的性质是有差别的，即使是同一个性质，有时候是硬约束，有时候是软约束。常见的一些性质有：

新网格是原网格的一个好的逼近
新网格复杂度（网格顶点或面片数量）
网格面片质量满足一定的要求：避免狭长和退化面片；顶点度数为6；顶点分布满足均匀分布或几何相关的各项异性分布；网格边长要求。
保持特征边
新网格要保持流形结构
通常情况下，这些性质很难同时满足，有些性质是矛盾的：
网格复杂度与逼近误差
网格顶点均匀分布与逼近误差
保持特征边与网格面片质量

Remesh的方法，大致可以分为局部和全局的：

局部方法：经过一系列的局部拓扑和几何操作的迭代，来Remesh整个网格。它的优点是计算速度比较快，容易实现；缺点是缺乏整体质量的把控，是一种启发式方法。

全局方法：一般指把网格分割成一片一片的，然后分片参数化子网格。参数化的过程中，保持住边界的连续性。也有一些全局参数化的方法，不要网格分割这一步。最后再把参数域的网格拓扑结构反映射回原网格。它的优点是网格的全局质量容易把控，缺点也显而易见，强烈的依赖参数化方法，稳定高质量的实现会比较困难。

转载 http://geometryhub.net/notes/delaunaytriangulation

重新网格化Remesh相关推荐

清华大学胡事民是计算机视觉,ResNet也能用在3D模型上了，清华「计图」团队新研究已开源...
鱼羊发自凹非寺量子位报道 | 公众号 QbitAI 用AI处理二维图像,离不开卷积神经网络(CNN)这个地基. 不过,面对三维模型,CNN就没有那么得劲了. 主要原因是,3D模型通常采用网格数 ...
清华大学胡事民是计算机视觉,ResNet也能用在3D模型上了，清华“计图”团队新研究已开源...
鱼羊发自凹非寺量子位报道 | 公众号 QbitAI 用AI处理二维图像,离不开卷积神经网络(CNN)这个地基. 不过,面对三维模型,CNN就没有那么得劲了. 主要原因是,3D模型通常采用网格数 ...
【渲染技巧】增强ZBrush工作流程的14个技巧
在 ZBrush 中创建 3D 艺术时,所有艺术家都有自己独特的工作流程.此工作流程可能意味着一系列技术或层次结构,您可以在其中实现某些阶段.您使用 ZBrush 获得的时间和经验越多,您为自己创建的 ...
原创：（网格化地图之初）高斯大地座标（经度、纬度）→3°投影带平面直角坐标（X、Y）换算...
好像不能上传Excel,暂时把结果用表格显示出来吧高斯大地座标(经度.纬度)→3°投影带平面直角坐标(X.Y)换算表数据预处理投影点编号纬度( ...
社会管理网格化源码_全市社会治理网格化服务管理工作调研
关注我们获得更多精彩内容导语: 为了解全市社会治理网格化服务管理工作开展情况和网格队伍建设情况,2020年8月4日至8月21日,市社会治理网格化服务管理中心工作人员,先后到东营区.河口区.垦利区.广 ...
社会管理网格化源码_为什么说网格化管理是基层社会治理的有效武器
在社会治安综合治理中网格化管理是当前各地加强基层社会治理的一种有效"武器".为什么要说网格化管理是基层社会治理的有效"武器"?这就要为大家讲讲以下几点了,好让大 ...
社会管理网格化源码_综治综合解决方案、社会治安综合治理信息平台方案
完整目录如下,任意单份可免费分享完整目录如下,任意单份可免费分享金证网格化综合治理解决方案.pdf 太湖流域水环境综合治理总体方案.pdf 山西省漳泽水库水环境综合治理总体方案.pdf 李艺-城市 ...
带网格的_【我看身边的网格化】申港街道：一人一板穿梭楼宇小巷一网一格解决百姓问题...
"网格化" 相信大家听得不少, 但它具体是什么工作, 大家未必完全了解. "网格化"就是按照"地域相邻.规模适度.方便管理"的原则,因地制宜 ...
带网格的_雨花区井圭路社区开展消防安全网格化实战演练活动
星辰在线10月29日讯(通讯员高宗勤)10月29日,井湾子街道井圭路社区组织有关部门在常青藤幼儿园开展消防安全网格化实战演练活动,进一步提高辖区消防安全和网格化力量水平. (开展消防安全网格化实战演 ...

重新网格化Remesh

重新网格化Remesh相关推荐

最新文章

热门文章