三维模型流网格数据压缩技术的研究

沈利航

摘要：随着科学技术的快速发展，诞生了多媒体技术，三维模型网格数据作为多媒体技术中的新兴研究课题，得到了相关人员的高度重视。三维模型中的网格数据需要采用压缩型方法，需要对单帧网格数据进行压缩处理，各项压缩工作建立在离线基础上。将数据压缩技术应用到三维模型网格中，展现出了良好的应用效果，将其进行压缩，以此来降低存储空间。

关键词：三维模型流；网格數据；压缩技术

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2017）05-0086-01

随着三维技术的快速发展，数据量呈现出急剧增长趋势，为了方便人们对多媒体数据的使用需求，要加大对三维模型数据压缩技术的研究力度。

1 网格流数据压缩前预处理

1.1 顶点标号匹配问题

三维重构通过三维模型数据流产生的三维网格流数据主要有两种：（1）网格数据中的顶点标号是一一对应的。（2）网格流数据中的顶点标号不是一一对应的。网格点配主要是通过人工来进行初始对应点选择，主要是运用匹配形变方法，产生了点匹配数据及网格数据。但是该种方法在实际的使用过程中也会受到较大的限制，不能应用于模型数据中，模型中会产生大量的网格数据，降低了网格数据的运行效率。因此，需要加大对ICU算法中自动点匹配算法的应用力度，确保网格流数据中帧与帧之间点标号匹配的正确性[1]。

1.2 ICP算法的顶点标号匹配

ICP算法作为一种三维匹配算法，通过迭代运算的形式，来实现点云之间的最佳匹配，目标点的选取主要集中在参考点中，加大数据收集及整理，找出两组数据中的对应点集，计算出坐标中存在的误差。将新点集带入到下次跌代过程中，直到消除掉误差。在利用ICP算法对网格流数据进行顶点标号匹配时，对第k次迭代进行匹配，通过ICP算法能够得到平移向量Tk及旋转矩阵Rk，确保两者相匹配，导致两点在网格模型中的顶点。但是在匹配工作实施的过程中，会导致网格模型数据中的顶点距离变得更小，需要按照一定的逻辑进行编号，而不要轻易设置标号，确保编号能够与顶点相匹配。

2 网格流数据的二重聚类方法

2.1 网格流数据的横向聚类方法

模型数据中的三维网格流数据，由一帧一帧共同来构成，通过数据图形能够看出，帧与帧之间存在着较强的关联性，在时间排序上较为接近。针对该种情况，需要加大对聚类方法的应用，将若干个帧聚集到一类中，运用压缩算法，找寻他们之间存在的相似度。三维网格流数据由模型数据通过三维构建算法产生，为了提升压缩算法的应用效果，需要采用不间断的压缩方法。当网格数据在接收到输入及压缩请求时，需要运用聚类算法，将网格模型中的数据保存在缓冲区内。聚类过程主要包括以下过程：将网格数据帧存入到缓冲区内→度网格数据进行算法聚类→对聚类得到的数据进行分类→运用线性对关键帧进行表示。

2.2 网格流数据的纵向聚类方法

首先，要合理选择种子三角形。明确X轴、Y轴Z轴及圆心O的位置，在网格中找到种子三角形及相对应的局部坐标系。种子三角形的的选择步骤为：计算网格图形中的几何坐标位置→将离网格最远的顶点作为第一个种子→观察网格图形中的顶点，对顶点距离进行计算→提取种子顶点中的种子三角形。其次，构建局部坐标框架。以坐标系为基础，对种子对应点进行合理分类，实现三角形种子顶点的初始化。要任意选取网格面上的一条边，将局部坐标上的点固定在一条边上，沿着边对X轴定义，确保X轴与Y轴保持垂直状态，Z轴垂直于X轴和Y轴，实现对坐标系上点的互相转换[2]。

3 过滤思想的网格流数据压缩算法

按照横向聚类方法，将缓冲窗口中的网格流数据聚为k个簇，确保每个簇中都有一个关键帧，网格数据流于簇内之间的距离较为相近。需要运用第二重基于局部坐标框架中的纵向聚类方法，将簇中的网格数据提取出来，需要将三角面与刚性部分中的顶点全部聚类到同一簇内。在运用过滤思想对网格流数据压缩进行计算时，主要是采用过滤思想压缩方式，对一串网格流数据进行过滤压缩，需要做好关键帧数据的传输及储存工作，过滤掉一些冗杂信息，来达到节约储存空间的目的。通过运用压缩过滤算法，能够得到压缩后的数据，对数据进行调查分析显示，数据信息中的刚性部分存在明显的特征点，节省了网格流数据的空间。

4 结语

三维模型数据中的压缩处理技术在生活及生产中被广泛应用，在对三维网格流数据进行分析时，需要充分利用帧与帧之间的相关性，对压缩算法进行计算分析，需要做好网格流数据压缩前预处理、对于大规模的数据信息要做好二重聚类分析，运用过滤思想对数据进行压缩处理。通过不断实践的过程，完成了对整个压缩方法的有效验证，说明压缩处理技术在三维模型数据中具有良好的应用效果，具有很高的压缩率，降低了数据误差。

参考文献

[1]李海生，刘成，蔡强，曹健.三维模型网格数据压缩技术研究[J].系统仿真学报，2013（09）：2150-2156.

[2]金伟祖，潘伟龙.基于网格分割的三维模型轻量化算法及构建[J].实验室科学，2015（05）：20-23.endprint