声明
摘要
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文的主要工作内容
1.4 论文的组织结构
2.1 点云模型压缩技术
2.2 点云模型简化技术
2.2.1 误差驱动的模型简化
2.2.2 点数驱动的模型简化
2.2.3 大规模点云模型简化
2.3 网格模型简化技术
2.3.1 以几何为中心的模型简化
2.3.2 以外观为中心的模型简化
2.3.3 纹理图片变形
第三章 基于GLA的点云模型压缩技术
3.1 算法概述
3.2 LOD层次树的构造
3.3 LOD层次树的编码
3.3.1 位置编码
3.3.2 法向编码
3.3.3 颜色编码
3.3.4 优化遍历
3.4 实验分析
3.5 结论
第四章 基于邻域合并的点云模型简化算法
4.2 局部邻域合并
4.2.1 局部邻域的构造
4.2.2 代表面片的计算
4.2.3 局部邻域合并成本
4.2.4 局部邻域的更新
4.3 大规模模型的简化
4.3.1 大模型分块
4.3.2 模型采样优化
4.4 实验分析
4.4.1 纹理锐化效果展示
4.4.2 相关算法结果比较
4.4.3 大规模模型简化结果展示
4.4.3 时间复杂度分析
4.5 结论
第五章 网格模型与纹理图片的协同简化算法
5.1 算法概述
5.2 网格简化
5.2.1 扩展的二次误差度量
5.2.2 局部映射优化
5.3 纹理图片简化
5.3.1 误差度量
5.3.2 图像采样优化
5.3.3 纹理伸缩因子
5.4 实验分析
5.4.1 测试模型
5.4.2 网格筒化结果
5.4.3 纹理图像筒化结果
5.4.4 网格与纹理图像的协同简化结果
5.4.5 扩展应用
5.5 结论
6.1 结论
6.2 展望
参考文献
致谢
攻读博士学位期间发表的学术论文
攻读博士学位期间参与的科研项目
外文论文