如何对 sparxe 体素八叉树 (SVO) 进行三角测量

Posted 2023-03-30

【中文标题】如何对 sparxe 体素八叉树 (SVO) 进行三角测量

【英文标题】：How to triangulate a sparxe voxel octree (SVO)

【发布时间】：2021-02-08 15:22:47

【问题描述】：

我实现了一个基于 sparxe 体素八叉树 (SVO) 的材料去除模拟数据结构。现在，我想可视化结果。因此，我需要对我的稀疏体素八叉树进行三角测量。

我该怎么做？你能推荐任何快速的算法吗？

可以使用行进立方体 (MC) 对标准体素模型进行三角剖分。但据我所知，我无法将此算法用于 SVO。 MC 算法基于用于生成三角形的 15 种基本模式（借助 LUT 以获得更好的性能）。但是这些模式不再适用于 SVO 体素，因为这些体素可以具有不同的大小，具体取决于树枝中的局部分辨率。

那么，其他人如何对他们的 SVO 进行三角测量？

【问题讨论】：

这个回答太模糊了。如果仅通过暴力破解就可以非常成功地对密集体素场进行网格划分，那么 SVO 应该只会比这更快。您需要更好地描述您的特定情况，在实施幼稚方法时发现的问题等。

@BartekBanachewicz 正如我所写：MC 算法对于 SVO 根本没有意义。它不能轻易地适应 SVO 结构。我还搜索了研究论文，但没有找到描述 SVO 三角剖分的论文，只有依赖于光线投射的基于 GPU 的解决方案。你需要什么澄清？我有一个 SVO 实现。一个体素由一个中心、一半长度的边缘和 0..8 个孩子组成。一切都以八叉树的顺序排列，从根开始。我想要一个体积表面的三角形网格。可以为每个实心八分圆创建三角形，但速度非常慢。

【参考方案1】：

有一种称为“Transvoxel 算法”的算法，您可以将其用于行进立方体。我不会在这里发布详细信息，但你可以谷歌它。它会进行一些内部体素细分。我有自己的曲面细分算法，它在某种程度上被简化了，因为它的情况很少，但是这两种情况一次只允许一个级别的分辨率变化。

您最好的选择可能是根本不使用 MC 并使用表面网络。主要的缺点是它可以生成非流形几何体（如果你关心的话）。还有其他几种变体，例如您可能还想研究的“双轮廓”。双轮廓允许尖角，但需要 Hermite 数据。我相信还有多种版本的双轮廓和/或表面网，但代价是增加了一些复杂性。

在任何情况下，所有这些东西都适用于体素八叉树，但它确实需要一些工作。