点模型的面元重建和简化

摘要

为了有效简化稠密采样点模型,提出了一个面元重建和几何简化算法.该算法在每个采样点附近重建一个函数曲面,根据给定误差得到置信邻域,重新计算函数曲面,得到更大的置信邻域,如此反复迭代,产生一个具有最大置信邻域,并在更大范围内逼近原模型的面元.采用面元简化方法对点模型进行简化,删除了相互重叠而形成的冗余面元,从空面元集开始,每次选出一个最佳面元添加到该集,直到该集完全覆盖原模型表面.实验结果表明,在一定误差控制下,该算法能有效减少稠密采样点模型的点数,简化模型能很好地保持原始模型的几何形状.