PKU 可视计算概论 Lab2作业

前言

这里是接上一次Lab1的第二次作业，本次作业的主题是集合处理，难度比上次一次大很多，很多边缘的计算方式也需要我们实现，该Lab我的感觉在于难度不在于理论实现，在于如何如何能理解那些吊诡的API接口，只能说看懂别人写的东西是在太困难了，这里必须吐槽一下OpenGL Mathematics（GLM）库的矩阵乘法，实在太令人难以理解了，如果大家以后要使用一定要好好地读一读是怎么用的，否则过于匪夷所思。

其次就算一定要记得初始化变量！！！否则你的点会到处乱飞，很难调试。

一、介绍

本次Lab的主题为几何处理（Geometry Processing），具体分为5个部分，分别需要你实现5个函数，来实现：

1. 几何表示中的Loop Mesh Subdivision算法。
2. 几何表示中的 Spring-Mass Mesh Parameterization 算法 。
3. 几何处理中的 Mesh Simplification 算法。
4. 几何处理中的 Mesh Smoothing 算法。
5. 几何重建中的 Marching Cubes 算法。

下面就五个函数来介绍。

二、具体函数

1.Loop Mesh Subdivision算法

三角网格细分算法，可以理解为对于原本粗略图形的一个加细，或者感觉可以理解为对在测量点不足的情况下的一个下位替代？总之意思就是，从视觉效果而言，随着迭代次数的增加，图形的棱角会越来越圆润，会更加平滑；从具体的几何表示而言，通过观察其框架可以发现，随着迭代次数的增加，其框架明显更加密集——这也是与其具体操作一致的。

算法的思路就是对原本三角形面进行分割，在每个边上产生新的点，从而将原本的一个三角形表示的区域变为由4个三角形表示。这也就好理解为什么看其网格越来越密了。

最后的效果如图：

2.Spring-Mass Mesh Parameterization算法

该算法为基于弹簧质点的三角网格参数化算法，可以大致理解为先将许多点映射到一个规则图形中（比如圆或者正方形之类的，我这里用的是圆），具体的映射方式是先将边界点均匀映射到圆的边界，然后内部的点通过构建弹簧质点的方程组，求解该方程组就可以求解出每一个点映射后的位置。

这里求解方程的方法采用了Jacobi迭代法，不断逼近。

最终效果如图：

这里有两点不足：

1. 运行效率相较于助教的视频缓慢得多。
2. 感觉色块分布的不是很均匀？而且边界不好看，感觉有可能是进行参数化的过程中，映射有点问题，应该改进映射方式。

3.Mesh Simplification算法

这是一个网格简化算法，其原理是采用了Quadric Error Metrics，具体流程是不断选取最小Error的点对合并，以此类推。

这里需要注意的是对于平面方程的解法。

具体结果如下：

4.Mesh Smoothing算法

这里采取的是Laplacian Smoothing算法，其中有两种化简形式，一种是直接取平均值，另一种是算cot，这里对于边界的情况，我是算了两遍同一个点。

其他的比较简单。

结果如下：

5.Marching Cubes算法

这里的话就是历遍每一个块，看看在哪，再就是有些相同位置的点可以在output.Position中反复存储，这样会节省查找Indices的代码量，虽然这样会浪费空间。

每一个块中，边界上点采取插值的方式求解。

最后结果如下：