Quadric-error-metric网格简化

1.推导

  (以下向量均为列向量)

  设平面$p_i$的法向量为$n_i$,$x_i$为该平面上任一点，则其在齐次坐标下的方程为：
$${\bar{n}}_i=(n_i,-n_i\cdot x_i)$$
设空间中任意一点$x$的齐次坐标为$\bar{x}=(x,1)$

由几何关系可知$x$到$p_i$的距离的平方$d(x,p_i)$为：
$$\begin{array}{rl}d(x,p_i)& =((x-x_i)\cdot n_i{)}^2\\ & =(\left[\begin{array}{c}{n}_i,-n_i\cdot x_i\end{array}\right]\left[\begin{array}{c}x\\ 1\end{array}\right]{)}^2\\ & =({\bar{n}}_i^T\bar{x}{)}^2\\ & ={\bar{x}}^T({\bar{n}}_i{\bar{n}}_i^T)\bar{x}\\ & ={\bar{x}}^T{Q}_i\bar{x}\end{array}$$

其中$Q_i$称为Quadratic error Matrix,注意到这个$Q_i$由于是法向量生成的，所以是定义面上的，现在分别定义顶点和边上的Quadratic error Matrix $Q_i^v$和$Q^e$:
$$\begin{array}{rl}{Q}_i^v& =\sum _{j\in \Omega (i)}{Q}_j\\ Q^e& =Q_1^v+Q_2^v\end{array}$$

所以每条边上的 $\bar{v}$要满足
$$\bar{v}=min(v^T{Q}^{e}v)$$
若$Q^e$可逆，记$\Delta =v^T{Q}^{e}v$,当取最小值时，应该满足$\frac{\partial \Delta }{\partial x}=0$，$\frac{\partial \Delta }{\partial y}=0$，$\frac{\partial \Delta }{\partial z}=0$，即：
$$\left[\begin{array}{cccc}{q}_{11}& q_{12}& q_{13}& q_{14}\\ q_{12}& q_{22}& q_{23}& q_{24}\\ q_{13}& q_{23}& q_{33}& q_{34}\\ 0& 0& 0& 1\end{array}\right]\bar{\mathbf{v}}=\left[\begin{array}{c}0\\ 0\\ 0\\ 1\end{array}\right]$$
（ps:如果$Q^e$不满秩，则可取$\bar{v}=\frac{v_1+v_2}{2}$,即为两顶点中点）

2. 算法流程

 输入：网格，目标定点数n，cost阈值t

 输出：简化后的网格

1. 计算每条边的 $Q^e$

2. 计算每条边上的新的$\bar{v}$

3. while $N_v$ >n and $Cos{t}_{min}$<t:

   ​  3.1 将每条边的$cost={\bar{v}}^T{Q}^e\bar{v}$放入最小堆；

   ​  3.2 删除堆顶的cost,并且塌陷该条边（即将该边的两个顶点并到$\bar{v}$上去，该新点上的Quadratic error Matrix则更新为刚才的$Q^e$）；

   ​  3.3 更新堆(更新相邻的$Q^e$和cost)；

   end;