刚分手的肉夹馍 · 数据聚类分析 - 使用 k ...· 3 月前 · |
傲视众生的鼠标垫 · 2023年浙江11市GDP出炉 ...· 3 月前 · |
老实的海龟 · 上海市国民经济和社会发展第十三个五年规划纲要· 9 月前 · |
仗义的手术刀 · 扒一扒男人为什么那么迷恋丝袜 - 知乎· 11 月前 · |
谈吐大方的烤土司 · 阿莎蕊雅(《全职法师》及衍生作品中重要女角色 ...· 1 年前 · |
我实现了一个基于稀疏体素八叉树(SVO)的材料去除模拟的数据结构。现在,我想要可视化结果。因此,我需要对我的稀疏体素八叉树进行三角测量。
我该怎么做呢?你能推荐一些快速算法吗?
标准体素模型可以通过使用行进立方体(MC)进行三角剖分。但据我所知,我不能使这个算法适用于SVO。MC算法基于用于生成三角形的15个基本模式(借助LUT以获得更好的性能)。但是这些模式不再适用于SVO体素,因为这些体素可以根据树分支中的局部分辨率具有不同的大小。
那么,其他人如何三角测量他们的SVO呢?
有一种称为"Transvoxel算法“的算法可以用于行进立方体。我不会在这里发布细节,但你可以在谷歌上搜索它。它会进行一些内部体素细分。我有我自己的镶嵌算法,它有一些简化,因为它有很少的情况,但这两个都只允许一个级别的分辨率在同一时间改变。
你最好的选择可能是根本不使用MC,转而使用surface nets。主要的缺点是它可以生成非流形几何(如果这是你关心的东西)。还有一些其他的变体,比如“双轮廓”,你可能也想研究一下。双轮廓允许锐角,但需要Hermite数据。我相信也有多种版本的双重等高线和/或表面网,但代价是增加了一些复杂性。
在任何情况下,所有这些东西都可以与体素八叉树一起工作,但它确实需要一些工作。
Copyright © 2013 - 2023 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号: 粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
扫码关注腾讯云开发者
领取腾讯云代金券