計算機科學(xué)與技術(shù)專業(yè)畢業(yè)論文三維網(wǎng)格的二次曲面提取技術(shù)研究-wenkub
2022-11-14 18:58:23 本頁面
【正文】 各個方面的應(yīng)用情況進行了綜述。在反求工程、影視動畫及電腦游戲等要求高細節(jié)三維模型的領(lǐng)域，數(shù)字化的三維圖形開始大量涌現(xiàn)，并得到廣泛使用。用于計算機處理的模型通常是先用掃描儀掃描實體模型得到散亂的點云集合，然后在此基礎(chǔ)上生成復(fù)雜的網(wǎng)格多面體，最后對這些網(wǎng)格多面體進行二次曲面提取，從而在計算機中重建原實體模型。介紹了各個典型算法的思想，說明其實現(xiàn)方法和性能。算法的核心也不在于基元聚類的擴張，而在于選擇最優(yōu)的聚類進行合并操作。 正文內(nèi)容 在計算機軟硬件技術(shù)不斷進步的同時，圖形學(xué)領(lǐng)域的三維掃描和三維建模技術(shù)也取得了長足進展。因此，網(wǎng)格多面體的二次曲面提取一直是圖形學(xué)領(lǐng)域里的關(guān)鍵技術(shù)，是研究的熱點課題。該算法在把模型曲面分解成具有指定特征小區(qū)域的基礎(chǔ)上，將一給定形狀逐級聚類為相連的區(qū)域，這 些區(qū)域可用歸屬于給定集的基本二次曲面來逼近。從而解決了以下兩個問題：計算給定三維網(wǎng)格內(nèi)部的優(yōu)化擬合橢球體；從巨量候選橢球體中選擇最重要 (最小重復(fù)度 )的子集。用于計算機處理的模型通常是先用掃描儀掃描實體模型得到散亂的點云集合，然后在此基礎(chǔ)上生成復(fù)雜的網(wǎng)格多面體，最后對這些網(wǎng)格多面體進行二次曲面提取，從而在計算機中重建原實體模型。介紹了各個典型算法的思想，說明其實現(xiàn)方法和性能。算法的核心也不在于基元聚類的擴張，而在于選擇最優(yōu)的聚類進行合并操作。 在計算機軟硬件技術(shù)不斷進步的同時，圖形學(xué)領(lǐng)域的三維掃描和三維建模技術(shù)也取得了長足進展。因此，網(wǎng)格多面體的二次曲面提取一直是圖形學(xué)領(lǐng)域里的關(guān)鍵技術(shù)，是研究的熱點課題。該算法在把模型曲面分解成具有指定特征小區(qū)域的基礎(chǔ)上，將一給定形狀逐級聚類為相連的區(qū)域，這些區(qū)域可用歸屬于給定集的基本二次曲面來逼近。從而解決了以下兩個問題：計算給定三維網(wǎng)格內(nèi)部的優(yōu)化擬合橢球體；從巨量候選橢球體中選擇最重要 (最小重復(fù)度 )的子集。用于計算機處理的模型通常是先用掃描儀掃描實體模型得到散亂的點云集合，然后在此基礎(chǔ)上生成復(fù)雜的網(wǎng)格多面體，最后對這些網(wǎng)格多面體進行二次曲面提取，從而在計算機中重建原實體模型。介紹了各個典型算法的思想，說明其實現(xiàn)方法和性能。算法的核心也不在于基元聚類的擴張，而在于選擇最優(yōu)的聚類進行合并操作。 在計算機軟硬件技術(shù)不斷進步的同時，圖形學(xué)領(lǐng)域的三維掃描和三維建模技術(shù)也取得了長足進展。因此，網(wǎng)格多面體的二次曲 面提取一直是圖形學(xué)領(lǐng)域里的關(guān)鍵技術(shù)，是研究的熱點課題。該算法在把模型曲面分解成具有指定特征小區(qū)域的基礎(chǔ)上，將一給定形狀逐級聚類為相連的區(qū)域，這些區(qū)域可用歸屬于給定集的基本二次曲面來逼近。從而解決了以下兩個問題：計算給定三維網(wǎng)格內(nèi)部的優(yōu)化擬合橢球體；從巨量候選橢球體中選擇最重要 (最小重復(fù)度 )的子集。用于計算機處理的模型通常是先用掃描儀掃描實體模型得到散亂的點云集合，然后在此基礎(chǔ)上生成復(fù)雜的網(wǎng)格多面體，最后對這些網(wǎng)格多面體進行二次曲面提取，從而在計算機中重建原實體模型。介紹了各個典型算法的思想，說明其實現(xiàn)方法和性能。算法的核心也不在于基元聚類的擴張，而在于選擇最優(yōu)的聚類進行合并操作。 在計算機軟硬件技術(shù)不斷進步的同時，圖形學(xué)領(lǐng)域的三維掃描和三維建模技術(shù)也取得了長足進展。因此，網(wǎng)格多面體的二次曲面提取一直是圖形學(xué)領(lǐng)域里的關(guān)鍵技術(shù)，是研究的熱點課題。該算法在把模型曲面分解成具有指定特征小區(qū)域的基礎(chǔ)上，將一給定形狀逐級聚類為相連的區(qū)域，這些區(qū)域可用歸屬于給定集的基本二次曲面來逼近。從而解決了以下兩個問題：計算給定三維網(wǎng)格內(nèi)部的優(yōu)化擬合橢球體；從巨量候選橢球體中選擇最重要 (最小重復(fù)度 )的子集。用于計算機處理的模型通常是先用掃描儀掃描實體模型得到散亂的點云集合，然后在此基礎(chǔ)上生成復(fù)雜的網(wǎng)格多面 體，最后對這些網(wǎng)格多面體進行二次曲面提取，從而在計算機中重建原實體模型。介紹了各個典型算法的思想，說明其實現(xiàn)方法和性能。算法
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1