网格缺陷检测:退化点、线、面的判断

网格在格式转化或者重新计算点的位置信息时,会出现网格退化的情况,退化的元素可以是网格数据的点、线和面片。

退化顶点的判断方式:

// 判断数据是否为nan
int IsNAN(float t)
{
  return _isnan(t) || (!_finite(t));
}

bool IsDegenerateVertex(float p[3])
{
    if(IsNAN(P[0])||IsNAN( P[1])||IsNAN(P[2])
    {
      return true;
    }
    return false
}

退化边的判断方式:

bool IsDegenerateEdge(MeshEdge *pEdge)
{
    // 如果两个顶点相等,则说明边已经退化
    if(pEdge->V(0) == pEdge->V(1))
    {
      return true;
    }
    return false;
}

退化面片的判断方式:

bool IsDegenerateFace(MeshFace *pFace)
{
    if(pFace->V(0) == pFace->V(1) ||
       pFace->V(0) == pFace->V(2) ||
       pFace->V(1) == pFace->V(2) )
    {
      return true;
    }
    return true;
}    
时间: 2024-11-06 20:30:03

网格缺陷检测:退化点、线、面的判断的相关文章

缺陷检测之SVM篇(update)

最近论文在用SVM进行分类,目的是检测缺陷.缺陷有三种分别是孔洞,刮擦和划痕缺陷. 我用过libsvm和ddtools还有就是matlab中的svm函数 (svmtrain.svmclsassify),libsvm原来用的效果不好,我现在又忘了怎么用了,改天再把它捡起来吧,现在用的是 matlab的函数. 进行svm分类可以按如下步骤进行: 采集样本: 提取样本的特征: 进行cross validation验证支持向量机中的参数 (一般都是选择的rbf的非线性支持向量机,参数有2个,即惩罚系数和

缺陷检测 深度学习

mark 一个网站:https://www.vidi-systems.com/ 检测效果不错,而且是实际图片,能够调节阈值,貌似用的是卷积神经网络

powershell检测注册表键值判断

Powershell一直在学习中,脚本编写能力有限,全凭自己的逻辑思路去写.如果有高手请留言指点. 在工作中碰到一个案例: 需要添加一个注册表项,判断如果有,显示存在.如果没有,添加键值. New-Item -Path C:\tools01 -ItemType directory -ForceGet-ItemProperty "HKLM:\Software\Microsoft\Windows\CurrentVersion\Policies\System" > C:\tools01

车道线检测文献解读系列(一) 基于机器视觉的高速车道标志线检测算法的研究_李晗

作者背景 基于机器视觉的高速车道标志线检测算法的研究_李晗 东北大学车辆工程硕士学位论文 2006年 [GB/T 7714]李晗. 基于机器视觉的高速车道标志线检测算法的研究[D]. 东北大学, 2006. DOI:10.7666/d.y852642.` 论文结构一览 预处理 灰度化 [亮点]模式判别 选择日间模式还是夜间模式: 在每个检测周期开始时,首先判断采用日间模式还是夜间模式工作.摄像机视野中的上半部分为天空背景,天空亮度可以显著区分日间和夜间环境.由于天空的颜色为蓝离,日间天空的蓝色分

幽门螺杆菌血检是阳性,呼气检测却是阴性?到底该如何判断

身体幽门螺杆菌是否感染,现在是大家每个人都非常重视的一件事情.因为一个小小的幽门螺杆菌,稍不注意就会引起一系列的胃部疾病,甚至最后发展为胃癌.所以大家就相继到医院检查,有人就说自己在血检后显示幽门螺杆菌阳性,可呼气试验检测却是阴性.这就奇怪了,到底是怎么回事呢?下面小编就来给大家解释这到底怎么一回事. 幽门螺杆菌是一种生存于酸性环境中的革兰氏阴性杆菌,它主要通过口口传播的方式寄生在人体的肠胃中,在胃内通过自己独有的粘附性寄生在胃黏膜中,进而会进一步扩散,在口腔中也会存在.所以根据幽门螺杆菌的生存

卷积神经网络(三)--目标检测

本章介绍目标定位和目标检测(包含多目标检测). 1. Object Localization 原始图片经过CONV卷积层后,Softmax层输出4 x 1向量,分别是: 注意,class label也可能是概率.上述四个向量分别对应pedestrain,car,motorcycle和background四类. 对于目标定位和目标检测问题,其模型如下所示: 原始图片经过CONV卷积层后,Softmax层输出8 x 1向量.除了包含上述一般CNN分类3 x 1向量(class label)之外,还包

Houdini 快速点云连线以及避免重采样的技巧

今天和挪威的同事讨论点云的vex函数pcunshaded(),结果两个人都没搞太明白倒是转到了另一个话题,就是点云采样制作连线怎样避免重复计算,这里做一下记录. 如果采用严格的避免重复连接的方法,我们可以在每个点上增加两个点属性,一个是确定自己是否已经建立连线的判断属性,另一个是存储连线对应的另一端点的点数,同时使用setattrib()函数在对应点上标记自己的点数.但由于setattrib()的局限性,这种方法只能从一个点上生出一根(int or float),三根(vector), 四根(v

软件项目技术点(25)——提升性能之检测绘制范围

软件里的一个画面包含很多个元素,但是当缩放到某个局部位置时,需要绘制的元素个数就很少.那么怎么判断某个元素是否需要进行绘制呢? 我们在绘制整个画面时,是进行循环遍历每个元素的,如下判断是否进行绘制的代码: 1 var elements = this.commonElements.all();//获取所有元素列表 2 var winInfo = getWindow();//获取画布窗口的宽高值 3 var viewMinx = 0; 4 var viewMiny = 0; 5 var viewMa

基于离散余弦变换的同图复制的检测技术

本文是一则学习小结 图像篡改的背景及意义 ??目前图像已经成为人类社会中必不可少的一部分,人们的日常生活中到处都可以见到图像.特别在医学.商业.军事.情报.学术研究.法律和新闻领域中,图像作为原始事件或现象的真实记录,具有信息载体和数字证明的作用.然而人们渐渐发现图像的真实性已经不再可靠了.篡改图像出现的频率越来越大,要分辨出它们也越来越困难. 已知检测技术 数字水印 易损水印,半易损水印和鲁棒水印 水印在图像篡改之前存在 要求所有设备都带有水印装置是不可能的 盲检测技术 不依赖数字水印,是基于