从Delaunay三角化到网格质量

从Delaunay三角化到网格质量

Delaunay三角化

Delaunay三角化，就是点云的一种三角化方法，它具有某些好的性质：

• 网格中的最小角最大化
• 任意三角形的外接圆内不含三角形以外的顶点
• 三角化的网格是点云的凸包
• 最大化所有三角面片的内切圆的平均值
• 其它......

  ---

  带约束的Delaunay三角化

  有时候，点云包含一些线段连接约束，如下图1所示。有些约束边并不满足Denaulay性质，所以，它并不能得到整体的Delaunay三角化结果(如下图2是点云的一个Delaunay三角化结果)。我们可以放开一些Delaunay性质约束，比如任意三角形的外接圆不含三角形以外的约束点。下图3是一个带约束的Denaulay三角化的结果。可以比较一下图2和图3的结果差异。

  

  ---

  Voronoi图

  给定一群平面（或曲面）的点，其Voronoi图，把平面（或者曲面）分隔成一块一块的区域，每个区域包含一个点，并且这块区域到所有点的最近点为其所包含的点。如图左所示。这些线也是相邻两点的垂直平分线。如果是曲面上的点，点之间的距离为曲面的测地距离。

  Voronoi图和Delaunay三角化的图，互为对偶图。如图右所示。

  

  ---

  重心Voronoi图

  重心Voronoi图，是一种特殊的Vonoroi图，其每个区域的重心和其对应点重合。如右图所示，这就是一个重新Voronoi图。

  

  ---

  网格质量

  网格质量包含两方面的内容：拓扑质量和几何质量。

• 拓扑质量：如下图所示，图2和图3是图1点云不同的三角化结果。图2经过一系列拓扑优化，如Delaunay边翻转操作，得到图3的高质量网格。Geometry++有带约束的Delaunay优化功能。
• 几何质量：几何质量一般指顶点的坐标分布。如下图1所示，虽然这是一个Delaunay三角化，但明显可以看出其网格质量很很差的，经过一系列几何优化（如重心Vonoroi优化）后，顶点分布更加均匀，然后再做一个Delaunay三角化就得到了图2的结果。Geometry++有重心Vononoi优化功能。

  ---

  重新网格化(Remesh)

  Remesh并没有一个严格的定义，简单的讲，Remesh就是从一个输入网格生成另一个网格，并且满足一定的要求。常见的有三角网格到三角网格的Remesh，或者三角网格到四边网格的Remesh。这是一个典型的应用驱动的功能，不同的应用所需要的性质是有差别的，即使是同一个性质，有时候是硬约束，有时候是软约束。常见的一些性质有：

• 新网格是原网格的一个好的逼近
• 避免狭长面片，退化面片
• 网格顶点的度数尽量均匀
• 网格顶点分布要光滑，比如均匀分布，几何相关的各项异性分布
• 新网格要保持流形结构
• 保持特征边

  Remesh的方法，大致可以分为局部和全局的：

• 局部方法：经过一系列的局部拓扑和几何操作的迭代，来Remesh整个网格。它的优点是计算速度比较快，容易实现；缺点是缺乏整体质量的把控，是一种启发式方法。
• 全局方法：一般指把网格分割成一片一片的，然后分片参数化子网格。参数化的过程中，保持住边界的连续性。也有一些全局参数化的方法，不要网格分割这一步。最后再把参数域的网格拓扑结构反映射回原网格。它的优点是网格的全局质量容易把控，缺点也显而易见，强烈的依赖参数化方法，稳定高质量的实现会比较困难。