| 基于顶点单位法向量法的模型简化算法研究 |
| |
| 引用本文： | 刘维忠,李英成,冯亮,刘洪岐,张国辉.基于顶点单位法向量法的模型简化算法研究[J].测绘与空间地理信息,2019,42(2):39-43. |
| |
| 作者姓名： | 刘维忠 李英成 冯亮 刘洪岐 张国辉 |
| |
| 作者单位： | 中测新图(北京)遥感技术有限责任公司,北京100039;黑龙江第二测绘工程院,黑龙江 哈尔滨150025;航空遥感技术国家测绘地理信息局重点实验室,北京100039;中测新图(北京)遥感技术有限责任公司,北京100039;航空遥感技术国家测绘地理信息局重点实验室,北京100039;中国测绘科学研究院,北京100830;中测新图(北京)遥感技术有限责任公司,北京100039;航空遥感技术国家测绘地理信息局重点实验室,北京100039;辽宁工程技术大学,辽宁 阜新,123000 |
| |
| 摘 要： | 提出了改进的基于顶点视觉重要度的模型简化算法,该简化算法在顶点视觉重要度的计算中采用了顶点单位法向量法,目的是使处于平面内的顶点优先进行简化,从而使模型视觉尖锐的地方得到了很好的保持。在边折叠时,采用狭长三角形最大最小角方法及边角和法,增加模型的逼真性。最后,通过与QEM简化算法比较得出,本文简化算法较好地保持了模型的视觉特征,模型数据存储量也有大幅度减少,并缩短了简化时间。
|
| 关 键 词： | 模型 顶点单位法向量 边角和法 狭长三角形最大最小角法 |
Research on Model Simplification Algorithm Based on Vertex Unit Normal Vector Method |
| |
| LIU Weizhong,LI Yingcheng,FENG Liang,LIU Hongqi,ZHANG Guohui.Research on Model Simplification Algorithm Based on Vertex Unit Normal Vector Method[J].Geomatics & Spatial Information Technology,2019,42(2):39-43. |
| |
| Authors: | LIU Weizhong LI Yingcheng FENG Liang LIU Hongqi ZHANG Guohui |
| |
| Institution: | (China TOPRS Technology Co.Ltd.,Beijing 100039,China;The Second Surveying and Mapping Engineering Institute of Heilongjiang,Harbin 150025,China;Key Laboratory of National Administration of Surveying,Mapping and Geoinformation of Aviation Remote Sensing Technology,Beijing 100039,China;Chinese Academy of Surveying and Mapping,Beijing 100830,China;Liaoning Technical University,Fuxin 123000,China) |
| |
| Abstract: | LIU Weizhong;LI Yingcheng;FENG Liang;LIU Hongqi;ZHANG Guohui(China TOPRS Technology Co.Ltd.,Beijing 100039,China;The Second Surveying and Mapping Engineering Institute of Heilongjiang,Harbin 150025,China;Key Laboratory of National Administration of Surveying,Mapping and Geoinformation of Aviation Remote Sensing Technology,Beijing 100039,China;Chinese Academy of Surveying and Mapping,Beijing 100830,China;Liaoning Technical University,Fuxin 123000,China) |
| |
| Keywords: | model vertex unit normal vector edges and method maximum minimum angle |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
