论文部分内容阅读
随着信息获取技术的不断发展,在数字博物馆、计算机辅助设计、虚拟战场、虚拟手术、游戏等领域获取大规模的高分辨率空间数据成为可能。但由于存储和计算能力的限制,这些大规模高分辨率数据难以进行处理。即使GPU的快速发展,在一定程度上解决了快速绘制的问题,但由于其内存等因素的限制,对于几个G、几个T数据的大规模三维数据来说,也是望尘莫及。因此,如何快速建模和实时绘制大规模复杂模型,成为目前图形学和虚拟现实领域研究的难点和热点问题之一。本文针对大规模点云数据,研究高效的建模方法,并为实现大规模场景的实时绘制,研究了基于简化网格模型的优化绘制方法,主要包括:大规模点云数据的表面重建流处理方法,网格模型的轮廓平滑方法和非真实感绘制技术。归纳起来,本文的主要创新点与贡献如下:1.提出了一种基于流处理的大规模点云数据表面重建方法为了克服内存限制,对大规模点云数据进行表面重建,本文基于输入数据空间连贯性,提出一种流处理表面重建方法。本方法通过三次读取数据流,主要利用k-近邻表面重建的局部特性,通过空间八叉树进行全局法向映射,确定物体表面法线方向,并以此为基础,过滤掉不属于当前表面上的邻近点,以更好逼近局部表面,并对不同层面上的数据进行同步表面构建。该方法不需要对输入数据做预处理;具有线性时间复杂度;可在保证重建质量的同时,尽量减少内存的使用;并可通过对几个输入参数的分析,预估测最大内存需求量。2.提出了一种基于网格模型的实时轮廓平滑和绘制方法为了提高大规模场景交互和显示的实时性,往往需要使用简化网格模型作为输入,但是简化模型绘制出的轮廓往往存在不平滑现象,影响视觉效果。为此,本文提出一种基于视点的轮廓平滑和实时绘制方法,可在保证速度的同时,满足人的视觉对物体轮廓平滑度和连贯性的需求。该方法首先给出了网格模型的精确轮廓的定义,提出了轮廓三角形的概念。并以此为基础,提出了网格模型上精确轮廓的简单计算方法,可对物体轮廓和特征线进行一致性处理,且做到绘制质量与视点移动无关。并通过基于高斯球的轮廓三角形的快速判断、轮廓线的自适应绘制和GPU并行计算,对算法进行了加速,大大降低了平滑轮廓的计算复杂性,在提高绘制效果的同时,实现了实时绘制。3.提出了一种基于网格模型的实时非真实感绘制方法在上面提出的轮廓平滑方法的基础上,提出一种基于网格模型的实时非真实感绘制方法,通过多种风格来凸显物体特征,满足不同展示需求。该方法主要通过随机检测轮廓三角形来快速生成连贯的平滑轮廓线,然后根据曲率变化将此平滑轮廓线分割成多条基础笔画,再根据光照、视线方向以及曲率来调整这些基础笔画的宽度,最后使用不同的笔画纹理应用到这些具有一定宽度的笔画上,生成具有不同风格效果的轮廓线。同时,可通过使用GPU和二维卡通纹理生成高质量内部卡通光照效果。上述研究工作可以广泛应用于大数据量对象的处理和大规模场景的显示过程中,具有重要的理论意义和推广应用价值。在上述工作的基础上,下一步拟主要结合纹理信息对基于网格模型的实时绘制方法进行改进,并进一步扩充特征线风格化方法,进一步提高模型的绘制效果。