几何模型数据压缩及虚拟场景实时显示技术研究

几何模型数据紧缩及虚拟场景实时显示技术研讨几何模型数据紧缩及虚拟场景实时显示技术研讨绪论基于细分网格的数据紧缩方法基于视点的网格简化算法基于视觉敏锐度的实时显示技术虚拟环境实时显示仿真系统结论绪论本文研讨内容的必要性分布式虚拟环境研讨概略基于渐进网格的传输方法综述几何模型数据紧缩综述实时显示方法的研讨概略本文完成的主要任务及其意义本文研讨内容的必要性在分布式虚拟环境系统中有时需求快速传输几何数据，基于渐进传输的多分辨率几何数据紧缩技术可以较好地处理这种大数据集的传输问题。对于复杂的动态交互场景，当前的高档图形任务站也难以保证明时地显示非常真实的图象。由于实时交互一直是分布式虚拟环境技术中一项根本要求，因此，一种普遍接受的方法是经过牺牲部分渲染图象的真实性，来换取整个系统的交互实时性。细节层次模型(简称LOD)管理是实现实时显示技术的一项重要工具，为了获得LOD模型，需求对几何数据进展简化。有了LOD模型，就可以运用各种显示战略实现分布式虚拟环境中虚拟场景的实时显示。本文主要研讨了分布式虚拟环境中信息紧缩及实时显示技术。基于渐进网格的传输方法综述

经过对一给定网格〔原始网格〕进展某种变换，将其表示为一个很小的根本网格和一系列逐渐精细的细节信息的方式，这些细节信息可以为原始网格的准确〔或近似〕重建提供全部信息，本文将这种表示方式的网格数据称为渐进网格。渐进网格表示方法有利于多分辨率模型的存储和传输。在分布式虚拟环境中，交互的实时性是一项非常重要的目的。假设用户在交互之前等待正在传输的一幅精细的模型数据，势必呵斥用户时间的极大浪费，且很难保证交互的实时性。渐进传输就是在这种背景下提出的。几何数据紧缩与简化综述在分布式虚拟环境中有时需对几何模型进展传输，通常几何模型数据量非常大，因此，必需对之进展紧缩。几何数据紧缩技术是为理处理大数据集的传输或存储而开展起来的适用技术。几何模型可分为单分辨率模型和多分辨率模型，因此，几何模型的数据紧缩可分为单分辨率模型的几何数据紧缩和多分辨率模型的几何数据紧缩。下面分别进展引见。单分辨率模型是指几何实体的某一层次细节的多边形网格表示方式，假设短少该模型中任何一部分数据，那么无法对该实体轮廓有一完好了解。单分辨率几何数据紧缩是指对实体的某一层次细节的网格数据进展紧缩。下面三种方法是比较有代表性的算法：(1)基于通用三角形网格的几何紧缩(2)三角网格衔接关系实时紧缩算法(3)基于拓扑手术方法的几何紧缩算法单分辨率模型的几何数据紧缩综述多分辨率模型的几何数据紧缩综述多分辨率模型是指几何实体的多个层次细节网格表示方式，相当于该实体的多个不同分辨率模型的集合。多分辨率模型又可分为离散多分辨率模型和延续多分辩率模型两种。对复杂网格进展简化，得到不同细节层次的多个三角网格模型，称之为离散多分辨率模型。延续多分辨率模型那么是一种紧凑的模型表示方法，可生成恣意多个不同分辨率的模型。基于这两种不同模型，面向多分辩率模型的紧缩又可分为面向离散多分辨率模型的紧缩和面向延续多分辨率模型的紧缩。模型简化是几何数据紧缩的根底。因此，下面首先引见模型简化技术。层次细节模型数据简化技术综述网格简化算法可以被简单地划分为以下三类：〔1〕顶点去除(vertexdecimation)；〔2〕边折叠(edgecollapse)；〔3〕三角形折叠(trianglecollapse)。其中有代表性的算法有下面几种:〔1〕顶点聚类〔2〕区域合并〔3〕顶点抽取〔4〕迭代塌陷〔5〕小波分析方法图1-5边塌陷延续多分辨率模型的几何数据紧缩综述多分辨率分析是支持紧缩、渐进传输和复杂网格的LOD控制的根底工具，其中心思想是分解函数到低分辨率部分和一系列添加分辨率的修正项。网格的多分辨率数据紧缩表示通常是由根本网格和提供丧失细节的修正项序列组成。下面两类是比较有代表性的算法:〔1〕基于小波分析的紧缩方法〔2〕累进森林拆分紧缩方法实时显示方法研讨综述对于复杂的动态交互场景，为了使交互可视化到达实时性要求，需保证指定用户的目的幀速率。所谓实时显示方法，是指经过牺牲部分渲染图象的真实性，来换取整个系统的交互实时性的一种显示战略。几种有代表性的方法:〔1〕可见度判别方法〔2〕细节省略方法〔3〕自顺应细节省略方法〔4〕定向凝视的自顺应渲染方法〔5〕封锁选择〔occlusionculling〕方法基于细分网格的

数据紧缩方法必要性细分网格概念带有细分连通性的多分辨率模型的获取基于细分网格的数据紧缩方法近似细分网格的重建及仿真实验结果本章小结对多分辨率模型数据紧缩的研讨很多，其中较有代表性的是下面引见的两种方法。Eck多分辨率表示方法优点：能快速、延续地经过一种紧致的表示来获得多面体的多分辨率模型。缺陷：没有利用正那么曲面光滑特性，紧缩仍有冗余。Khodakovsky等人的法线网格〔normalmesh〕优点：有较高的紧缩效率,该方法有着宽广的运用前景缺陷：产生法向网格的方法比较复杂本章提出了基于细分网格的紧缩方法。该算法利用正那么曲面的光滑特性，用一维标量替代部分三维细节信息。实际中，完全满足正那么曲面条件的曲面很少，而具有细分连通性的细分曲面近似满足正那么曲面条件。必要性图2-1细分网格具有细分连通性的网格，被称之为细分网格，这种细分连通性是由均匀分裂算子产生的。所谓细分连通性，是指由一个根本网格M0经过假设干次一分四的分裂〔细分〕而构成的三维图形所具有的三角面片或顶点间的邻接和父子关系，如图2-1所示，该细分网格没有经过平滑处置。细分网格概念Fig.2-2ButterflyschemeFig.2-3Loopscheme带有细分连通性的多分辨率模型的获取采用Eck算法来获取带有细分连通性的多分辨率网格，根本想法是对多面体M进展部分参数化，并基于该参数化用重新采样技术生成多分辨率模型MJ，其中MJ具有与M一样的拓扑类型。细分网格的数据构造structFace{level_J;//整型数(层数)children[4];//面指针数组cornerVertex[3];//顶点指针数组(指向面片的三个顶点)edgeVertex[3];//顶点指针数组(指向细分该面中的三条边的三个顶点的指针数组)unitNormal[3];//法线信息数组};基于细分网格的数据紧缩用下面构造表示顶点：structVertex{parentV[2];//顶点指针数组(指向该顶点所细分的边的两个顶点)parentF[2];//三角面片指针数组(指向该顶点所细分的边的两个面)fGeom;//坐标位置g;//XYZvector};细分网格的分解为了产生更粗糙层次的近似Mn-1，……，M0，我们运用逆细分算子，即吊销在Mk+1上的1-to-4分裂操作。设S是原始细分操作算子，那么网格Mk+1和其粗糙表示Mk满足如下关系：〔2-4〕〔1〕首先给粗糙网格结点分配位置，使其满足公式:〔2-5〕〔2〕对Mk进展细分操作，得到，但是网格中的奇数结点的位置必需得到纠正，以便准确地复制原始网格，这就需求为Mk+1中每一个奇数结点存储一个细节向量,Dk是Mk+1和之间对应奇数结点位置的差值。当某一细分层的抽样公差与上一细分层的抽样公差之差值小于紧缩误差时，对该细分层求法向细节标量。要想求法向细节标量，首先需求出细分切平面的法线，然后将细节向量投影到细分切平面的法线方向上，细节向量在法线方向上的分量可以由一标量乘以单位法向表示，该标量就是法向细节标量。重建过程中，在每一细分步之后，参与这些法向细节标量，结合法向细节标量与对应的单位法向量，近似地恢复原来的细节信息(如公式(2-6)所示)。(2-6)其中为法向量，x为标量。图2-6求法向细节标量的活动标架图2-7细分网格中的法向图2-8面片abc和acd内的第二细分层上的顶点编码细节信息编码图2-9网格的近似重建近似细分网格的重建图2-11兔子的渐进网格仿真实验结果及分析本章提出的方法可以实现渐进传输，即几何数据可以被表示为一个较小的根本网格和一系列细节信息。该方法利用正那么曲面法线向量特性及细分曲面的细分连通性，用一维标量信息替代三维信息，即对细节信息进展了紧缩，该方法属于有损紧缩。本章小结基于视点的网格简化算法必要性Garland-Heckert算法及轮廓线基于视点的网格简化算法外观类似性评价复杂性分析仿真结果及分析本章小结必要性Garland等人提出的基于二次误差度量的几何简化方法，采用二次误差度量来描写误差，计算效率高，质量好。该算法能处置任何拓扑构造的三角网格，有效地产生细节层次模型。但是，该算法存在缺乏之处：在多边形较少的情况下，模型变粗，外观细节丧失较多。这是由于Garland方法并不能较好地坚持模型外观特征所呵斥的。本章提出了基于视点的网格简化算法，该算法是为实时显示技术效力的，它能为实时显示算法提供细节层次模型。Garland-Heckert算法及轮廓线二次误差度量的几何简化算法

图3-1边收缩基于视点的二次误差度量网格简化算法视点的选取通常，我们所说的基于视点是指思索视点坐标，视野方向及察看者与聚焦平面的间隔。本章中所运用的视野向量是指中心视野方向的单位向量。我们以察看兔子为例，概率最大的视野方向依次是侧向，前向及后向等。对重要的视点进展充分的抽样，抽中点尽能够不被移走；假设忽略了视点空间中某些重要部分，就很能够移走很重要的特征。为了简化计算量，目前我们只选择了侧向视野方向。基于视点的抽样准那么定义1：在某一视点条件下，将三维模型投影到二维视平面上，其中映射到模型的二维边境上的三维模型中的那些对应边即为在该视点条件下模型的外观特性边境。后面提到的边境均指这种边境。引理1在视点Viewpoint下，假设给定模型是一个凸多面体，那么边e是边境的充分必要条件是：(a)边邻居(b)边不在边境上(c)边在边境上图3-4两个相邻面的单位法向表示图

基于视点的二次误差度量网格简化算法

下面给出算法的详细步骤:步骤1：给出视野方向〔单位向量〕；步骤2：为一切初始顶点计算Q；步骤3：选择一切适宜的点对，点对或者是一条边，或者满足，其中t是给定的阈值参数；步骤4：计算每一顶点对的最优收缩目的点和相应误差，把顶点对按误差大小顺序放在堆栈中(在顶端有最小误差)；步骤5：从堆栈中移走最小误差的顶点对，假设目的面小于300，且该顶点对没有超越最高抽中次数，那么执行第六步；否那么转到第七步；步骤6：运用基于视点的抽样规范公式：1〕.假设，将原误差以替代，并把该顶点对按更新后的误差大小顺序放在堆栈中(在顶端有最小误差)，转到第八步；步骤7：使该顶点对收缩,然后更新包含v1的一切顶点对的误差；步骤8：假设目的没有到达，转到第五步；否那么，终了。外观类似性的评价模型M的外观是在某一视点条件下由渲染系统产生的光栅图象I确定的。在某一视点条件下，假设模型M1和M2的对应图象一样，那么我们可以以为两模型M1和M2在视点条件下外观一样。假设I1和I2都是mmRGB光栅图象,可以用下面公式定义两者之间的不同[64]：其中是两个RGB向量与之差的欧氏长度，我们称为外观类似性误差。在给定视点下，假设M2是M1较好的近似，那麽值很小。如将灰度图象转换成0-1图象〔即属于简化模型的象素点赋值为1，否那么为0〕，那么也可以采用下面公式计算外观类似性误差：

复杂性分析仿真结果及分析图4-9运用MSNS算法简化的网格图形本章提出了一种基于视点的非均匀抽样网格简化算法，它是经过采用视点空间中某些重要视点对各自轮廓进展抽样，以便用尽能够少的三角面片来表示尽能够多的模型外观特征。实验结果阐明，该算法具有如下优点：可以在三角面片数较少的情况下，尽能够地坚持了模型的重要外观特征。本章小结基于视觉敏锐度的自顺应实时显示技术研讨必要性视觉敏锐度概念基于视觉敏锐度的自顺应实时显示算法仿真结果及分析本章小结对于复杂的动态交互场景，为了使交互可视化到达实时性要求，一种普遍被接受的方法是经过牺牲部分渲染图象的真实性，来换取整个系统的交互实时性。定向凝视显示方法是利用视觉敏锐度进展实时显示的，但该方法没有思索亮度视觉，并且调整细节度模型等级的幅度偏小。为此本章研讨了一种利用不同的视觉敏锐度公式进展实时显示的新方法。必要性视觉敏锐度概念敏锐度因子中央/外围视觉，运动视觉和交融视觉是影响视觉感知的三种最重要的要素，为了分别阐明这几种人类视觉特征对人类视觉感知实体模型的重要性，引入敏锐度因子概念。所谓敏锐度因子，就是在思索某种视觉感知(中央/外围视觉，运动视觉和交融视觉等)要素后对实体模型重要性的一种评价目的，视觉敏锐度因子为1.0时，表示实体模型重要性最高，察看者可以完全看清楚实体模型；0.0时表示察看者什么也看不见。下面分别给出三种计算视觉敏锐度因子的公式。图4-1中央视觉图例图4-2中央视觉敏锐度因子中央凹区:中央/外围视觉的敏锐度因子的计算公式如下：其中θ表示视轴与从视点指向物体包围盒中心的向量之间的夹角，为物体在视域中所占的视角，表示调整减少的参数。图4-3运动视觉图例运动视觉:运动视觉的敏锐度因子的计算公式如下：其中表示挪动物体的有代表性的点的角速度，表示调整减少的参数。交融视觉:交融视觉的敏锐度因子的计算公式如下：其中，表示固定视点的会聚度，表示从双眼指向物体的角度。表示调整减少的参数，b是决议交融区域宽度的门限值。图4-4交融区域图4-5Vieth-Muller一样视点几何表示图视觉敏锐度假设一切的视觉皮层区域都程度不同地对视知觉有所奉献,那么结合三种视觉敏锐度因子可近似确定视觉敏锐度。所谓视觉敏锐度，就是在思索各种视觉敏锐度因子后对实体模型重要性做出的一个综合评价。当视觉敏锐度较低时，选择较简单的层次模型；视觉敏锐度较高时，选择较复杂的层次模型。Ohshima等人[60]给出下面两种求解视觉敏锐度方法：从层次细节模型中选择渲染层渲染层是根据视觉敏锐度a从层次细节模型中选择的。最高LOD被从分层模型中选择，以便在这个程度上的几何模型中没有多边形rmin比更小。计算的公式如下：(4-6)其中D是察看者和物体之间的间隔；表示实体分层几何模型的l层模型，最大的模型是从集合中选择的，这里“最大〞模型是指有最多的多边形的几何模型层。基于视觉敏锐度的自顺应实时显示算法由于敏锐度因子是用来描画某种要素对视觉敏锐度奉献大小的有效参数，中央/外围视觉，运动视觉，交融视觉是影响视觉效果的三种最重要的要素，因此我们把上节提到的三种影响视觉敏锐度的要素作为自顺应渲染的主要实际根据，并把亮度视觉也思索在内。我们首先给出了计算亮度视觉敏锐度因子的阅历公式，其次提出了根据视觉敏锐度因子求解视觉敏锐度的三种公式，最后推行了公式〔4-4〕和〔4-5〕。图4-6亮度与亮度视觉敏锐度因子之间能够的对应关系图4-6(c)较好地描写亮度视觉的敏锐度因子与亮度之间的对应关系,亮度视觉的敏锐度因子阅历计算公式如下：亮度视觉敏锐度因子求解视觉敏锐度假设一切的视觉皮层区域都程度不同地对视知觉有所奉献,那么综合四种视觉敏锐度因子就可确定视觉敏锐度。可以有以下五种求解方法：从统计上说，在大多数情况下是按a的取值严厉降幂陈列的。这就为下面的算法设计提供了实际根据。系统首先尽能够地以最高等级显示一切实体，当发生系统资源匮乏时，采用4.3.3节算法使显示的实体质量退化，以便最终实现均匀的有界的帧速率，更好地顺应全局场景的复杂变化。自顺应机构选择LOD控制器计算显示当前帧的时间显示系统计数器LOD控制器图4-7LOD调度的自顺应控制系统基于视觉敏锐度的实时显示算法基于视觉敏锐度的实时显示算法:步骤1：求出场景中每一实体的四种视觉敏锐度因子；步骤2：为了坚持某一指定的目的幀速率，假设渲染先前幀所需求的时间比目的幀所需求的时间长，那么选择排序靠后的视觉敏锐度公式〔以便当前幀能被渲染的更快些〕，并转到步骤4；步骤3：假设渲染先前幀所需求的时间比目的幀所需求的时间短，那么选择排序靠前的视觉敏锐度公式，以便当前幀中实体选择较复杂的层次模型；步骤4：按视觉敏锐度公式计算出的视觉敏锐度来显示虚拟场景；步骤5：假设接到退出命令，那么转到步骤6；否那么转到步骤1；步骤6：终了。图4-9由精细至粗糙的分层几何模型序列仿真结果及分析图4-8采用自顺应渲染算法得到的图像本文首先给出了亮度视觉敏锐度因子的阅历公式；其次，提出了根据视觉敏锐度因子求解视觉敏锐度的五种公式；最后，提出了一种利用不同的视觉敏锐度公式进展自顺应渲染的新方法。实验证明了本算法可在对视觉效果影响较小的前提下迅速调整细节度模型等级，可以顺应全局场景的复杂度，实现均匀的有界的帧速率，尤其在场景复杂程度变化较大的情况下更加有效。本章小结分布式虚拟环境

实时显示仿真系统必要性分布式虚拟环境系统异构机实时通讯仿真结果及分析本章小结必要性在分布式虚拟环境中，不同用户对同一对象的视觉模型和行为模型的感知应该是一样的，但是由于各个结点的硬件性能的差别，仿真推进的速度不同，这会引起虚拟数据空间的一致性问题。在Extreme图形任务站上，每33ms可以渲染25513个三角面片，即使显示中等复杂的实体模型，一旦实体数量添加到一定数量，其所需求的显示帧速率也达不到实时要求，满足不了实时交互的需求。为了验证明时显示算法的有效性，本章实现了异构机分布式虚拟环境系统,在此环境下对第4章提出的实时显示算法进展了仿真实验。

图5-1HCDVE的系统构成分布式虚拟环境系统DVE系统构成

图5-2DVE系统的构造模型图5-3DVE中的客户机系统框图分布式虚拟环境系统软件构造网络通讯性能目的影响网络性能的关键目的有:吞吐量、传输延迟、延迟变化和过失率，在实践运用中常运用端到端的总延迟。网络通讯实验为了测试端到端的总延迟，实测中使每个数据包传输128bytes的数据，共发送10000次，测得每发送128bytes端到端的平均总延迟为0.89ms。异构机网络通讯

图5-10运用本文算法产生的LOD模型仿真结果及分析(a).任务站显示的图形(b).PC机显示的图形图5-11运用实时显示算法所得到的两幅图像本章系统地引见了分布式虚拟环境系统的设计思想和实现方法，实现了异构机网络通讯。最后，完成了在异构机分布式虚拟环境系统下的实时显示算法仿真实验。实验证明该算法在异构机分布式虚拟环境系统中是有效的。该算法可以根据各节点计算机场景变化及人类视觉特性，在对视觉效果影响不大的前提下可以迅速调整细节层次模型等级，使虚拟场景的显示满足实时交互的需求。本章小结结论1.提出了一种基于细分网格的数据紧缩方法，即几何数据可以被表示为一个较小的根本网格和一系列细节信息。该算法利用正那么曲面法线向量特性及细分曲面的细分连通性，用一维标量信息替代三维信息。该方法计算简单，对细节信息进展了有损紧缩。经过对几何数据的紧缩研讨，到达节省存储空间目的，使数据得到实时传输，确保实时显示。2.提出了一种基于视点的网格简化算法，该算法经过采用基于视点抽样的方法对轮廓进展抽样，以便用尽能够少的三角面片来表示尽能够多的模型外观特征。实验结果阐明，该算法可以在多边形较少的情况下，尽能够地坚持了模型的重要外观特征。3.提出了一种在分布式虚拟环境中利用不同的视觉敏锐度公式进展自顺应渲染的新方法。首先给出了求解亮度视觉敏锐度因子的阅历公式，在此根底上提出了根据视觉敏锐度因子求解视觉敏锐度的五种公式，最后给出了系统利