一种无记忆点云迭代简化算法

针对目前点云迭代简化算法在简化过程中需要保持原始模型信息而占用较大内存的问题,提出了一种无记忆点云迭代简化算法,简化过程中不需要记录原始模型相关几何信息。该算法使用体积优化和距离优化计算点对收缩后的最优点位置并对点对进行排序。实验表明,该算法可以在内存占用较小的情况下得到误差较小的简化模型。

对基于二次误差的模型简化方法的改进

模型简化在虚拟现实、模拟仿真等方面有着广泛的应用,但算法复杂、时间复杂度高一直是模型简化的主要问题。为了提高算法速度,沿用Garland提出的使用二次误差矩阵来简化三角面片模型的方法,使用八叉树空间分割的方法加速模型简化算法中用于进行边收缩的候选最近点对的排序过程,从而提高算法的速度。