2025《几种三维网格模型变形方法综述》3800字.docxVIP

几种三维网格模型变形方法综述

目录

TOC\o1-3\h\u27303几种三维网格模型变形方法综述 1

67131.1基于多分辨率的网格变形方法 1

69971.2基于微分坐标的网格变形方法 2

278311.3基于骨骼蒙皮的网格变形方法 7

1.1基于多分辨率的网格变形方法

DZorin等人REF_Re\r\h[10]REF_Re\r\h在1997年首次使用了网格的多分辨率表示方法，也就是将三维网格S看作“几何信号”，通过一定的方法将这个几何信号按照不同的分辨率进行分离，其中分辨率低的低频信号部分记录了网格的整体特征，如果将这一信号用坐标在三维空间中表示出来将得到一个细节不明显的基网格，记为B。这一基网格可以看作是原始网格S平滑后的网格。而高频信号部分（D=S?B）记录的原始网格的局部细节，也就是原始网格与基网格之间的差值向量。通过对基网格B进行编辑，改变三维网格的整体特征。但是保持高频信号不变，对编辑后的基网格B进行细节恢复，也就是将高频部分添加到变形后的基网格中REF_Re\r\h[7]，这样就可以得到保持网格高频细节的编辑后的网格（S=B+D）。但是在实际操作中，变形后的基网格通常不是旋转不变的，然而高频部分（细节部分）具有旋转不变性，所以为了保障变形后的网格具有视觉合理性，通常会将高频细节进行一定的平移和旋转操作之后再将其添加到基网格上去。

图1-1基于多分辨率的网格变形技术REF_Re\r\h[11]

基于多分辨率网格编辑方法的可以根据分辨率的高低进行不同层次的网格编辑，可以在网格处理过程中保持不同层次的网格细节，但是对于网格模型进行不同频率的信号分离过程比较繁琐，需要大量时间对原始网格进行“预处理”，这导致了算法复杂度的提高。另外对网格进行大角度的编辑时可能会导致细节的丢失。

图1-2多分辨率网格编辑的基本步骤

1.2基于微分坐标的网格变形方法

微分坐标（即Laplace坐标）是记录三维模型局部几何特征的的坐标，Laplace算子被定义为梯度的散度REF_Re\r\h[12]，是n维欧几里得空间的二阶微分算子，在三维空间中的笛卡尔坐标系下表示为REF_Re\r\h[13]：

Δf=

(1-5)

AlexaREF_Re\r\h[14]REF_Re\r\h首次将微分坐标应用于三维网格编辑中，表示三维网格中顶点坐标与其相邻的点之间的相对几何关系。在离散的情况下，拉普拉斯算子被定义为：

δ

(1-6)

其中：νi表示三维网格V的顶点坐标，Ni是三维网格中第几i个点的一邻域点的集合，ωij表示顶点ν

ω

(1-8)

所以拉普拉斯算子也可以写为：

L

(1-9)

图1-3Laplace算子示意图

对于权重的选择有不同解决方案：1）使顶点νi和其一邻域内点的权重都相等，即ωij=1cardNi，这种方式比较简单，减少了计算量，但是不够精确，利用这种权重计算得到的拉普拉斯算子称之为均匀拉普拉斯算子；2）利用余切的拉普拉斯算子：令ωij=(cotαij

图1-4拉普拉斯余切算子

Ai表示顶点νi

图1-5Voronoi面积

下面我们将拉普拉斯算子扩展到图（三维网格可以看作是图的一种）中，以得到拉普拉斯算子的组合矩阵形式。以均匀权重拉普拉斯算子为例：

δ

(1-10)

将j从顶点的一邻域范围扩展到整个网格中，由于不属于一邻域内的点的权重为0，将其作为多项式的项一同求和不会影响整个结果，的所以下面等式依然成立（N

δ

(1-11)

继续推导可得：

δ

(1-12)

所以对于所有节点的微分坐标Δ有：

Δ=δ

(1-13)

因此得到最终的微分坐标矩阵形式计算公式：

Δ=LV,(其中L=D?W)

(1-14)

其中，di表示顶点的度，D是三维网格的度矩阵，这是一个对角矩阵。在这里将D?W记为L(因此Δ=LV)，称为三维网格的拉普拉斯矩阵。拉普拉斯矩阵的第i行实际上反映了第

我们设三维网格模型M的顶点为V=v1,v2

在三维网格中选取ROI（RegionOfInterest）区域，也叫可自由编辑区域，记为E（为了方便表示，不妨假设ROI区域包含整个网络的顶点，即网格上所有的顶点V都会被编辑）。并继续选择手柄（Handle）部分，记为H（假设可自由编辑区域内的后k=n?m+1个点被选中为Handle部分，即H=v

用户通过计算机交互移动Handle到目标位置，此时H内点的坐标位置记为H=u

3）计算变形后的三维网格顶