复杂场景建模和绘制中若干关键问题的研究

论文摘要

作为CAD/CAM、虚拟现实、增强现实、科学计算可视化等领域的基础和核心,场景的建模和绘制一直是计算机图形学中最活跃的研究热点。随着计算机图形学应用领域的不断扩展,绘制的场景越来越复杂,对模型精度和绘制真实感的要求也越来越高,这使传统的建模和绘制技术面临着严峻的挑战。近年来,研究人员不断地探索和研究新的场景建模与绘制技术,相继提了基于图像的建模与绘制(IBMR)、基于点的建模与绘制、逆向工程等技术。这些技术基于全新的理论和方法,以满足复杂场景的高真实感实时显示的需要为目标,绘制效率不断提高,建模与绘制质量不断改进,在虚拟现实、科学计算可视化等领域得到愈来愈广泛的应用,同时也展现出更加广阔的研究空间。本论文针对这些建模与绘制技术中的一些关键问题,包括基于图像的建模与绘制中的立体匹配与图像变形和基于散乱点集的曲面重建与优化等,进行了较深入的研究,所取得的成果对于相关技术的进一步发展,具有重要的理论意义和应用前景。论文的主要工作和创新之处如下:(1)针对IBMR技术中的关键问题——多幅图像的立体匹配问题进行了研究,提出一种基于窗口匹配和遗传算法的立体匹配算法,先用基于窗口的匹配算法快速求出图像的匹配,再考虑立体匹配中的唯一性约束和顺序性全局约束,使用遗传算法重新对错误匹配点求解出正确的匹配关系。此外,通过对立体匹配中重要的算法——协同算法和Zitnick的3D协同算法的分析,找出了其中影响匹配计算速度的原因,并对其中的三个关键因素进行了改进,大大减少了计算量,提高了立体匹配的速度。(2)通过对IBR中图像变形的常用算法的分析和研究,提出一种基于区域边界的变形算法,针对变形算法中特征指定、变形效果、计算代价三个关键方面给出了相应的改进策略。在特征指定方面采用任意形状的封闭环,不仅定义非常方便,还有着表现力丰富和适用性强的特点。在变形效果方面,算法重点关注特征区域,使扭曲局部化,易于用户对特征区域变形的预测和控制,可保证关键区域的轮廓精度。图像重建采用空间可变线性颜色插值,保证了变形图像的颜色精度。在计算代价方面,将复杂的区域自动剖分为简单三角形区域,使区域扭曲函数简单、统一,加快了计算速度。同时利用连贯性实现了像素点和三角形区域的位置关系的快速判定,降低了计算代价。(3)在基于散乱点集的曲面重建方面,提出了曲面法向量场驱动和曲面曲率驱动的重建方法,分别采用法向量和曲率来度量网格和待建曲面的误筹,给出了基于法向量和曲率的三角形面片生成规则。该方法在重建曲面拓扑的同时,可自适应地优化网格,即在曲面平坦(曲率较小)的区域生成较大的三角面片,在曲率较大的区域生成较小的面片。两种方法都显式地给出了三角形面片与曲面之间误差的度量,以用直观、统一的重建精度参数方便地控制曲面重建的整体精度。(4)通过采用网格局部区域的法向量来度量边折叠代价,提出了特征保持的基于边折叠的网格简化方法。该方法无论是在模型的高曲率区还是低曲率区都能在高简化率下保持网格的特征。提出了基于特征的质点—弹簧模型对简化后的网格进行局部优化,采用边的平均曲率作为弹簧的弹性系数,使得网格能够根据形状特征进行优化,从而保持网格的原有细节特征。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 基于几何的场景建模技术
• 1.1.1 参数曲面造型技术
• 1.1.2 隐式曲面造型技术
• 1.1.3 细分曲面造型技术
• 1.1.4 变形曲面造型技术
• 1.2 基于图像的建模与绘制（IBMR）技术
• 1.2.1 IBR技术
• 1.2.2 IBM技术
• 1.2.3 IBMR中的图像变形技术
• 1.3 基于散乱点集的建模技术
• 1.3.1 曲面重建
• 1.3.2 网格优化
• 1.4 本文的研究内容和组织结构
• 第二章 IBMR中的图像立体匹配算法研究
• 2.1 引言
• 2.1.1 IBM技术
• 2.1.2 IBR技术
• 2.1.3 图像深度信息获取
• 2.2 图像立体匹配原理
• 2.2.1 极几何约束关系
• 2.3 基于窗口相关的局部立体匹配方法
• 2.4 基于遗传算法的立体匹配
• 2.4.1 遗传算法
• 2.4.2 基于遗传算法的立体匹配问题求解
• 2.4.3 实验步骤与结果
• 2.5 改进的三维协同立体匹配方法
• 2.5.1 基于全局的二维协同立体匹配方法
• 2.5.2 基于全局的三维协同立体匹配方法
• 2.5.3 三维协同立体匹配算法改进
• 2.5.4 实验结果
• 2.6 本章小结
• 第三章 图像变形算法的研究
• 3.1 引言
• 3.2 图像变形的原理和方法
• 3.2.1 图像变形过程
• 3.2.2 基本的图像变形方法
• 3.3 基于区域边界的图像变形技术
• 3.3.1 特征区域的指定
• 3.3.2 扭曲函数的建立
• 3.3.3 变形映射的加速算法
• 3.3.4 中间帧图像重建
• 3.3.5 实验步骤及结果分析
• 3.4 本章小结
• 第四章 基于散乱点集的特征驱动曲面重建
• 4.1 引言
• 4.2 逆向工程技术的关键步骤
• 4.2.1 数据获取技术
• 4.2.2 曲面重建
• 4.2.3 网格优化
• 4.3 基于法向量场的曲面重建
• 4.3.1 法向量场的估算
• 4.3.2 法向量场驱动的曲面重建
• 4.3.3 基于密贴三角形的曲面重建
• 4.3.4 算法描述
• 4.3.5 实验结果及分析
• 4.4 基于曲率的曲面重建
• 4.4.1 从点云中估算曲率
• 4.4.2 基于曲率驱动的曲面重建
• 4.4.3 基于曲率的曲面重建过程
• 4.4.4 算法的实现
• 4.4.5 实验结果及分析
• 4.5 本章小结
• 第五章 基于特征保持的网格简化和优化
• 5.1 引言
• 5.2 网格简化
• 5.3 网格优化
• 5.4 基于特征保持的边折叠简化方法
• 5.4.1 网格模型的数学描述
• 5.4.2 基于法向量度量的边折叠简化方法
• 5.5 特征保持的网格局部优化方法
• 5.5.1 三维网格的二维参数化
• 5.5.2 二维参数化网格的优化
• 5.5.3 质点—弹簧模型
• 5.5.4 基于特征的质点—弹簧模型
• 5.5.5 三维逆映射及调整
• 5.6 实验结果及分析
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 进一步工作
• 参考文献
• 攻读博士学位期间参加研究的课题和发表的论文