摘要:实践应用中的大型模型往往包含大量的重复组件,比如大型的工业3D模型.对此,本文提出了一种新的压缩方法.与Shikhare等提出的基于识别重复组件的高效压缩算法相比,我们的算法在识别重复组件和压缩模型变换信息时更加有效.在对组件的归一化操作中,我们能更好地利用PCA计算的结果进行针对性的处理,解决了已有方法存在的一些不确定性问题.并且当模型对称时,与Shikhare的工作相比,我们的算法能够更快速地对模型进行相似性计算.在识别重复组件时,与Shikhare的工作相比,我们的算法增加了不同尺度上的相似性识别.实验结果表明,对于非常复杂的大型工业3D模型,我们的算法识别出的模版数量减少了80%左右.对所有组件的变换信息,本文提出一个更加高效的压缩算法,能比Shikhare所采用的gzip软件提升40%左右的压缩效率.一般地,本文新算法能将此类模型压缩至其6%左右.