分享自:

四边形网格生成与处理:综述

期刊:Computer Graphics Forum

David Bommes(INRIA Sophia Antipolis - Méditerranée)、Bruno Lévy(INRIA / ALICE)、Nico Pietroni(National Research Council, Italy)、Enrico Puppo(University of Genova)、Claudio Silva(Polytechnic Institute of NYU / New York University)、Marco Tarini(University of Insubria)与 Denis Zorin(New York University)联合撰写的综述《Quad-Mesh Generation and Processing: A Survey》发表于 Eurographics 2012 年州级艺术报告(STAR)中。该文围绕四边形网格(quad mesh)的生成与处理展开,旨在系统梳理这一领域在 CAD、计算机图形学、数值模拟和建筑几何等应用背景下的发展脉络与核心方法。需要强调,本文并非单一原创研究,而是综合性学术综述,因此以下报告将按照综述类文献的逻辑结构来组织。

在学术背景方面,作者指出三角形网格(triangle mesh)在计算机图形学中几乎无处不在,大量几何处理算法都建立在其上;然而四边形网格,特别是半规则(semi-regular)四边形网格,在许多应用中具有天然优势:例如更适合张量积样条与 Catmull-Clark 细分曲面表示、更易于与纹理采样模式对齐、在有限元模拟中可以减少近似误差和单元数量。基于这一动机,文章全面讨论了四边形网格处理所涉及的优势与问题,覆盖表面分析、网格质量、简化、自适应细分、特征对齐、参数化与重新网格化(remeshing)等主题。

论文的第一个核心板块是四边形网格的定义、分类与应用。作者首先给出了基本拓扑术语:顶点、边、面片、规则顶点、奇异顶点(extraordinary vertex)、边界顶点、T 型连接(T-joint)等。四边形网格可沿规则性谱系划分为规则网格(geometry image)、半规则网格、价半规则(valence semi-regular)网格与非结构网格(unstructured)。规则网格仅适用于圆盘或环面拓扑;半规则网格由少量规则四边形块(patch)拼接而成,在 FEM 中被称为多块网格(multi-block grid);价半规则网格大部分顶点价为 4,但不一定能划分为少量块;非结构网格则包含大量不规则顶点。文章进一步讨论了四边形网格在角色建模、高阶曲面造型(NURBS、样条与细分曲面)、纹理与位移映射、有限元仿真、几何压缩等应用中的优势。一个关键观察是:四边形网格能够沿着两个局部主方向(例如主曲率方向或特征线)排列,而三角形网格必须任意引入第三条边,这种任意性会损害特征保持和动画变形质量。

第二个核心板块是对四边形网格质量特征的系统讨论。与三角形不同,四边形不保证平坦、凸性,且重心坐标插值定义不唯一,因此质量度量更复杂。理想四边形应尽量平坦(建筑应用中常要求 PQ,即平面四边形(planar-quad)),角接近 90 度,对边长度接近相等。方向与尺寸方面,网格应沿特征线、Langer 线或主曲率方向对齐;分辨率应具备自适应性(adaptivity),但引入奇异顶点以改变密度;各向异性四边形可以通过沿曲率方向挤压来提升逼近质量,但若用于各向同性仿真,则更偏好接近正方形。在连通性方面,规则性程度、奇异顶点的数量和位置至关重要。奇异顶点不应仅数量少,还应放置在正负高斯曲率强烈区域,并且其分界线(separatrices)构成的图应尽量简单、少交叉,这直接影响网格能否成为半规则网格。

第三个核心板块是四边形网格生成方法。作者将此领域划分为三角网格到四边形网格的转换(tri-to-quad conversion)、基于面片的方法(patch-based)、基于参数化的方法(parametrization-based)、场引导方法(field-guided methods)、基于质心 Voronoi 剖分(CVT)的方法,以及从非三角网格表示直接生成的方法。在 tri-to-quad 转换中,经典手段是将相邻三角形配对融合为四边形,如 BlossomQuad 使用完美匹配算法求全局最优配对,但复杂度为二次;Squad、贪心边翻转方法等则更高效但质量受输入影响大。基于面片的方法先构造四边形基域(base domain),再规则采样生成半规则网格,典型例子包括基于 Morse-Smale 复形的谱面四边形化(spectral surface quadrangulation)、基于简化基域的方法以及多立方体映射(polycube map)。其中 polycube map 提供了轴对齐的嵌入式参数域,有利于纹理映射和规则重采样,但自动构造仍具有挑战性。

参数化方法的核心思想是将曲面切割为拓扑圆盘后映射到二维域,使整数等值线网格在曲面上拼接成四边形网格。形如 u′ = g(u) = R^i_90 u + (j,k)^T 的转移函数(transition function)保证等值线穿越割缝时保持连续性,其中 i、j、k 为整数。锥点(cone)是割缝交汇处的奇异点,其锥角与重采样后奇异顶点的价直接相关。共形与调和参数化方法包括基于离散调和形式的方法、基于 Laplacian 特征函数的谱方法等,它们通过放置锥点并提取 Morse-Smale 复形来构造四边形块。

场引导方法则引入交叉场(cross field,也译为框架场)来直接控制局部四边形块的方向和尺寸。交叉场可使用极坐标表示分解为方向场(orientation field)和尺寸场(sizing field)。方向场生成通常以主曲率方向为目标,并在全表面平滑外推;但其奇点拓扑允许分数指标(1/4 的整数倍),与普通方向场不同。尺寸场可以是常值、基于曲率、基于局部特征尺寸(LFS),或与方向场旋度(curl)兼容。四边形网格合成(quad mesh synthesis)可分为显式方法和全局参数化方法。显式方法在交叉场中追踪流线形成四边形,但通常只能得到四边形主导(quad-dominant)网格,需要后续细分。全局参数化方法如 Periodic Global Parameterization (PGP)、QuadCover(QC)和 Mixed-Integer Quadrangulation (MIQ) 在同一函数空间中搜索最优映射,在规则区域结果相似;PGP 在奇异点附近会增加额外奇异点以降低长度扭曲,QC 和 MIQ 则精确复现方向场奇点但会引入一定长度扭曲。MIQ 通过贪婪混合整数求解器和逐步加罚(stiffening)可以显著减少折叠(foldover)风险,但计算时间更长。

第四块内容包括基于 CVT 的方法与各向异性四边形化。CVT 通过对初始随机采样执行 Lloyd 放松,使采样点收敛到其 Voronoi 单元质心。标准 L2 范数 CVT 产生蜂窝状六边形单元,可通过合并三角形获得四边形主导网格;使用 Lp 范数的 CVT 则直接产生近似方形的 Voronoi 单元,更适合提取四边形。各向异性方法如 Anisotropic Quadrangulation 和 Wave-based Anisotropic Quadrangulation 通过引入各向异性尺寸场来生成矩形单元,可在更少单元数量下获得更好的曲面逼近。

最后,文章讨论了从不同形状表示直接生成四边形网格的方法,包括基于距离图像集的全局参数化方法(适用于隐式曲面、非流形曲面、大型网格)和基于点云的无网格全局参数化方法。在四边形网格处理方面,文章重点涵盖了简化(simplification)和几何优化(geometry optimization)。四边形网格简化可分为局部与非局部方法:非局部的典型操作是 poly-chord collapse,它不会引入新奇异顶点但控制粒度较粗;局部方法则使用对角塌缩(diagonal collapse)、边旋转(edge rotate)、顶点旋转(vertex rotate)、双重点去除(doublet removal)等原子操作,以逐步减小单元数量,同时通过切线空间平滑(tangent space smoothing)改善四边形形状。几何优化则在不改变连通性的前提下移动顶点位置来提升单元质量,例如在参数域内最小化全局拉伸(stretch)或在建筑几何中施加平面四边形、重复形状等非线性约束。文章还介绍了通过 Voronoi 平方距离最小化(VSDM)将 Catmull-Clark 细分曲面拟合到三角形网格的方法。

整体而言,该综述的价值在于提供了一个覆盖四边形网格生成与处理全流程的清晰框架。它将“生成”与“处理”两个阶段的问题进行了结构化拆解,并重点分析了场引导方法中方向场、尺寸场与合成算法三者之间的解耦与组合关系。文章指出了一个重要区别:价半规则网格与真正的半规则网格之间的差异可能是巨大的,许多方法只能产生前者,而获得可用的块结构仍是一个开放问题。该综述为后续研究明确了几个尚未解决的挑战,例如在任意粗化程度下构造无折叠全局参数化映射、在保持半规则结构的同时实现局部自适应、以及自动生成高质量奇异顶点布局。对于希望在计算机图形学、CAD、有限元分析或建筑几何中采用四边形网格表示的研究者和工程师而言,这篇综述提供了关键的术语基础、方法分类与性能权衡分析,是进入该领域的必读文献之一。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com