基于点云的非真实感绘制技术研究

来源 :山东师范大学 | 被引量 : 0次 | 上传用户:studentOfJXUFE
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着三维扫描技术的出现并不断发展成熟,点云己经成为三维模型的主要表现手段之一。点云模型由于其数据获取方便、数据结构简单等优点,在表现具有丰富几何细节的模型,比如雕像和不规则形状的物体方面,尤其具有独特的优势。点云的表面信息是相当丰富的,包括空间三维位置坐标、法向量、大小、色彩、纹理和透明度等等。并且,点云曲面是真正意义上的自由曲面,它可以表达任意形体。为此,研究点云己成为近年来相关学者研究的热点之一。点云数据是通过三维扫描仪对空间物体进行采样得到的物体表面的直接采样点,是对物体表面的几何属性最真实的记录。目前基于点云模型的数据处理主要包括:数据压缩与传输,几何建模,特征轮廓检测,绘制体系等。在非真实感绘制的三维形体中,轮廓线传递了非常重要的几何信息。轮廓线的获取对于三维物体的形状描述以及审美都是必需的,它刻画了三维模型的基本外观,艺术家和设计者因此经常通过显式地绘制轮廓线,或者通过在轮廓边缘加强对比来突出物体的轮廓特征。很多手工绘制的3D场景为了突出设计者的设计意图,也经常通过简化某些不是非常关心的局部细节和加粗轮廓线来表现模型的重要几何特征。因此,轮廓线获取技术在非真实感绘制中占有重要的地位。点云数据本身是无拓扑关系的离散数据点集,所以,为了方便和加速后期非真实感绘制(NPR)风格化所需轮廓点的提取,首先对点云数据进行了“粗略”地简化处理,即剔除点云数据中非轮廓点保留了其轮廓点和特征点;然后应用判定准则提取出所表示物体的轮廓点并对其进行“归并”形成便于NPR风格化处理的特征轮廓线;最后再对得到的轮廓线进行NPR风格化效果“加密”处理。这即是本文研究的重点和基于点云的非真实感绘制技术研究的基本流程。本文是在点云数据上直接进行非真实感绘制技术的相关处理,并且在非真实感绘制时主要利用了物体的轮廓点和轮廓线在NPR中的重要作用。其中,文章的主要研究内容和贡献表现在以下几个方面:1、点云数据的简化:为了进行非真实感绘制(NPR)风格化效果处理,借助了轮廓点所“归并”形成的轮廓线,而在提取物体特征轮廓点之前先对点云数据进行了“粗略”地简化处理。在简化预处理中提出利用点间法向变化率来剔除物体非特征轮廓点的方法。2、点云数据轮廓点的提取及其“归并”:利用物体的曲率特性从上述简化处理后的点云数据中提取出物体的特征轮廓点;并且,为了有效地进行最后的非真实感绘制(NPR)风格化效果“加密”处理,将轮廓点根据其“走向”归并为物体特征轮廓线。3、非真实感绘制(NPR)风格化效果处理:对点云数据在进行NPR风格化效果处理中,提出对上述所得轮廓点进行“加密”处理的方法,完成了对物体特征轮廓线的加粗,加强了物体几何形状特征的边界对比。该过程通过加粗轮廓线来表现物体模型的重要几何特征,取得了良好的视觉效果,并给人以美感。4、实验平台环境和过程:所用实验平台环境为:CPU类型:英特尔酷睿核心的奔腾E2140双核处理器,1.6GHz的主频;内存类型:两条金士顿1G DDR2 667;显卡:ATI公司最新AGP版高性能绘图显示卡X850 XT;硬盘:希捷7200.10 250GB。在上述硬件平台下,利用Visual C++6.0和OpenGL对文中算法进行了验证和测试,取得到了预期的效果。
其他文献
随着Internet的普及和全球化程度的提高,为降低产品的开发成本和提高开发效率,产品设计正由传统的串行工作向支持并行工作转变,从孤立模式向协同模式转变。计算机支持的协同
图像配准是数字图像处理中的一个重要的研究方向,也是计算机视觉和模式识别领域中的一项重要的研究课题,图像配准已经在军事、航天、模式识别、遥感监测、医学图像处理等方面
随着Internet的迅速发展,网上信息飞速增长,人们面对种类繁多的各类信息,却缺乏有效地自动获取信息的方法。本文针对传统的推送技术存在的忽视用户需求、推送信息针对性不强
网络与电子信息技术己经渗透到人们的日常生活中,它改变了传统的事务处理方式,对社会的进步和发展起重大作用。与此同时,人们也越来越意识到信息安全的重要性。在自动化办公
随着视频会议、视频点播、远程教育等分布式实时业务的广泛应用,作为其核心技术的QoS组播技术引起了人们的高度重视。组播是一种有效的支持多点通信的机制,它采用树转发结构,
随着技术的快速发展,互联网的使用人群急剧增长,数字化信息呈爆炸性增长,大数据的分析处理成为研究的热点。仿照Google公司MapReduce计算模型和GFS文件系统设计思想实现的Had
数字图像的修复是图像处理中一个重要部分,主要是针对图像中损坏的部分,利用其周围未被损坏的图像信息,按照一定的规则进行修复,使得修复后的图像接近或达到图像原来的视觉效果。
数据挖掘目前已广泛应用于现代社会的各行各业,但是大多都是针对历史数据进行分析与处理,人们追求的不再只是发现历史数据中隐藏的规律来解决实际问题,而是想在竞争激烈的社
个性化推荐系统是针对每个用户的不同需求,提供满足他们偏好和兴趣的信息,在应用初期取到了不错的效果,但随着大数据时代的来临,带来了信息超载问题,传统的个性化推荐系统也
网格计算系统实现了不同地理分布的异构资源的共享、选择和聚合,以解决在科研、工程、经济学等领域大规模的计算问题。然而资源共享是用户自愿的行为,用户不承担任何责任,很