基于神经网络的三角网格简化算法

作     者：谭超 

作者单位：中国科学技术大学 

学位级别：硕士

导师姓名：陈仁杰

授予年度：2022年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：三角网格 简化算法 Hausdorff距离 全局策略 顶点对合并 注意力机制 

摘      要：较点云,样条等三维数据表达形式,三角网格由于其能够高效表达三维物体的高频几何特征的优势而受到广泛使用。特别是在当前大数据时代背景下,随着数字孪生,数字资产等概念的提出,更进一步扩宽了三角网格的应用领域。但另一方面,经过快一个世纪的飞速发展后,近年来硬件发展水平的增速正在逐渐放缓。从而导致图形处理器等硬件的发展水平逐渐无法与三角网格日益增长的复杂度相匹配。因此,在很多实际应用中,将具有过度细节表达能力的高精度三角网格替换为较粗糙的三角网格是一个很重要的预处理过程。在这种应用背景下,本文提出了一种全新的三角网格简化算法,该算法利用神经网络直接优化简化网格与输入网格之间的Hausdorff距离来得到合并顶点的最优位置。本文算法采取顶点对合并的方式来逐步简化原始输入三角网格。在每次合并顶点对时,首先将对应网格的顶点输入至神经网络中,然后本文算法使用一个注意力模块来有效地提取网格的几何特征,之后利用神经网络直接优化简化三角网格与输入三角网格之间的Hausdorff距离来得到合并顶点的最优位置。同时,本文算法采取了一种全局策略用于减少Hausdorff距离优化过程中不必要的计算。该全局策略通过跟踪相关顶点的面列表,从而得到简化三角网格与输入三角网格之间三角面片的对应关系,进而将简化三角网格与输入三角网格之间的Hausdorff距离替换为另外两个小规模三角网格之间的Hausdorff距离。由于是通过直接优化简化三角网格与原始三角网格之间的Hausdorff距离来得到合并顶点的位置,所以本文算法可以处理任意三角网格并且能够很好地保持输入网格的几何特征。实验结果证明了本文算法的有效性以及优越性。