基于动态误差控制和PSO的三角网格模型简化优化方法

摘要

在对基于工业CT切片重建的三角网格模型简化时,大多简化算法无法同时兼顾网格的细节特征、简化比例以及网格质量等问题,因此,提出一种基于动态误差控制和PSO(Particle Swarm Optimization)算法相结合的三角网格模型自适应简化优化方法.该方法分为网格自适应简化和网格优化两个阶段.首先,采用投影预测的方法确定折叠点,使用动态变化的距离误差阈值和角度误差阈值计算三角形的折叠代价,并按照折叠代价从小到大的顺序对网格模型简化;然后,利用粒子群算法对简化模型中的狭长三角形进行优化处理.实验结果表明,与现有网格简化方法相比,本文方法在控制网格模型简化比例的同时,可有效保持网格细节特征,生成高质量的简化网格模型.