网格测地线算法(Geodesics in Heat)

[Crane et al. 2013]提出了利用热运动方程来计算网格测地线的方法,具体算法过程如下图所示:

第一步:热运动方程用来描述热的传播状态:

  将热运动方程离散化并整理后得到:

其中:id为单位矩阵,t为时间间隔,Δ为离散Laplacian算子,ut为t时刻的热状态,u0为初始时刻的热状态。

第二步:第一步计算得到的热梯度方向与测地距离的梯度方向相同,由Eikonal方程知道测地距离的梯度为单位向量,于是通过归一化热梯度我们得到测地距离的梯度:

  第三步:得到测地距离的梯度之后,测地线问题即变为求解以下式子:

  根据变分法,上式最小化即求解泊松方程:

其中:Φ即为网格上顶点距离源点的测地距离。

效果:

 

 

欢迎大家一起探讨计算机图形学算法问题,邮箱:[email protected]

本文为原创,转载请注明出处:http://www.cnblogs.com/shushen

参考文献:

[1] Keenan Crane, Clarisse Weischedel, and Max Wardetzky. 2013. Geodesics in heat: A new approach to computing distance based on heat flow. ACM Trans. Graph. 32, 5, Article 152 (October 2013), 11 pages.

时间: 2024-10-16 15:01:05

网格测地线算法(Geodesics in Heat)的相关文章

网格测地线算法(Geodesics in Heat)附源码

测地线又称为大地线,可以定义为空间曲面上两点的局部最短路径.测地线具有广泛的应用,例如在工业上测地线最短的性质就意味着最优最省,在航海和航空中,轮船和飞机的运行路线就是测地线.[Crane et al. 2013]提出了利用热运动方程来计算网格测地线的方法,可以想象一下,当一根烫的针尖接触到曲面上的一点时,热量会随着时间的推移而扩散,测地距离因此可以和热运动相联系.具体算法过程如下图所示: 第一步:热运动方程用来描述热的传播状态: 将热运动方程离散化并整理后得到: 其中:id为单位矩阵,t为时间

网格去噪算法(bilateral filter)

受图像双边滤波算法的启发,[Fleishman et al. 2003]和[Jones et al. 2003]分别提出了利用双边滤波算法对噪声网格进行光顺去噪的算法,两篇文章都被收录于当年的SIGGRAPH,至今引用超500余次.虽然从今天看两篇文章的去噪效果还不算非常好,但是其中的思想是值得学习的.图像双边滤波算法可以参考http://blog.csdn.net/abcjennifer/article/details/7616663,图像双边滤波器由空间域核与值域核组成,在图像的特征区域,自

网格去噪算法(two-step framework)

基于两步法的网格去噪算法顾名思义包含两个步骤:首先对网格表面的法向进行滤波,得到调整后的网格法向信息,然后根据调整后的法向更新顶点坐标位置,下面介绍三篇该类型的文章. [Sun et al. 2007]文章首先介绍了当前法向滤波方法以及顶点坐标更新方法,然后提出自己的法向滤波方法和顶点坐标更新方法. 法向滤波方法: 1.均值滤波(mean filter):ni’ = normalize(Σj∈N(i) Aj·nj / Σj∈N(i) Aj),均值滤波会破坏网格的细节特征. 2.中值滤波(medi

网格聚类算法综述

网格聚类算法综述 (1)STING STING(Statistical Information Grid)是一种基于网格的多分辨率聚类技术它将空间区域划分为矩型单元.针对不同级别的分辨率,通常存在多个级别的矩形单元,这些单元形成了一个层次结构:高层的每个单元被划分为多个低一层的单元.每个网格单元属性的统计信息(例如平均值.最大值和最小值)被预先计算和存储.这些统计信息对于下面描述的查询处理是有用的. STING有几个优点:(1)由于存储在每个单元中的统计信息提供了单元中的数据不依赖查询的汇总信息

网格形变算法(Gradient-Based Deformation)

将三角网格上的顶点坐标(x,y,z)看作3个独立的标量场,那么网格上每个三角片都存在3个独立的梯度场.该梯度场是网格的微分属性,相当于网格的特征,在形变过程中年不发生变化(避免网格形变后畸形).那么当用户拖拽网格上的控制点集时,网格形变问题即变为求解以下式子: 根据变分法,上式最小化即求解泊松方程: 其中Φ为待求的网格形变后坐标,w为网格形变后的梯度场. 上式可以进一步表示为求解稀疏线性方程组: 其中L为网格的拉普拉斯算子,b为梯度场w在网格顶点处的散度值. 问题的关键是如何得到网格形变后的梯度

网格形变算法(Laplacian-Based Deformation)

网格上顶点的Laplace坐标(均匀权重)定义为:,其中di为顶点vi的1环邻域顶点数. 网格Laplace坐标可以用矩阵形式表示:△=LV,其中,那么根据网格的Laplace坐标通过求解稀疏线性方程组可以得到网格的顶点坐标. 基于网格Laplace形变算法的思想:网格上顶点的Laplace坐标作为网格的细节特征,其在网格形变前后的局部坐标系内不发生变化.Laplace形变问题可以用如下数学优化形式表达,那么问题的关键是如何得到网格形变后的Laplace坐标,或者说是每个顶点Laplace坐标的

基于泊松方程的网格变形算法实现

参考论文:Mesh Editing withPoisson-Based Gradient Field Manipulation. Yi ZhouYu, KunZhou 需要源代码请联系我:[email protected],发邮件的时候请说清楚三件事:你是谁? 你来自哪里? 用代码做什么? 实验效果: 这篇文章是发在SIGGRAPH2004上的,至今引用次数400+,可以说是几何处理领域一篇比较不错的文章,2003年PPére等人发了一篇关于图像处理的文章:Poisson ImageEditin

图像数据到网格数据-1——MarchingCubes算法

原文:http://blog.csdn.net/u013339596/article/details/19167907 概述 之前的博文已经完整的介绍了三维图像数据和三角形网格数据.在实际应用中,利用遥感硬件或者各种探测仪器,可以获得表征现实世界中物体的三维图像.比如利用CT机扫描人体得到人体断层扫描图像,就是一个表征人体内部组织器官形状的一个三维图像.其中的感兴趣的组织器官通过体素的颜色和背景加以区别.如下图的人体足骨扫描图像.医生通过观察这样的图像可以分析病人足骨的特征,从而对症下药. 这类

基于三角网格排序的人体三围测量算法

本文讨论的范围不包含几何重建.纹理重建,仅包含基于已有的人体三维三角网格模型(下称人体三角网格)的三维测量算法.围度测量实际上是对三维模型与特定平面求交,并对交集进一步分析其交集的特定闭合部分(若存在多个闭合部分)的轮廓周长和面积等数据,即求三维网格的切片.国标GB/T 16160-2008<服装用人体测量的部位及方法>中给出了人体各尺寸特征的与人身高的比例数据(下称特征比例),求出特定比例处与身高方向构成的点法式平面与三维网格的切片即可进一步得到特定特征的具体数值. 1.1 人体三角网格的坐