三维网格模型的自适应重要性采样及高质量网格重建

项目名称： 三维网格模型的自适应重要性采样及高质量网格重建

项目编号： No.60973054

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 周秉锋

作者单位： 北京大学

项目金额： 25万元

中文摘要： 随着数字技术的高速发展，数字几何模型已成为一种新的数字媒体。采用多边形网格来描述的数字几何模型，数据量通常十分庞大。复杂模型的编辑、传输和快速显示等，对计算机存储性能、处理和数据传输性能都带来巨大挑战。因此，通过采样和重建对三维流形网格模型进行调整、优化就成为一个值得研究的问题。 在本项目中，首先将研究通过优化切割和保角映射对三维网格模型进行二维参数化的方法。在此基础上，将重点研究三维模型表面上的自适应的重要性采样方法，采样的结果将实现采样密度分布的可控性，并且每个局部区域内的采样点都能满足蓝噪声性质。得到离散采样点后，再通过网格重构和优化算法，将可以得到在顶点密度分布、几何拓扑性质上都具有更高质量的重建三维网格模型。优化的三维网格模型对后续的研究和应用，如网格的编辑、变形、压缩、层次细节等，都将起到非常重要的作用。此项技术也将在几何建模、计算机视觉等很多领域具有广泛的应用。

中文关键词： 三维表面重采样；蓝噪声采样；并行计算；图形加速硬件GPU；网格重建

英文摘要：

英文关键词： 3D surface resampling；Blue-noise sampling；Parallel computing；GPU；Remeshing