自适应延迟切割优化：三角网格布尔运算的新方法

"这篇研究论文探讨了一种基于自适应延迟切割的三角网格布尔运算优化方法，旨在提高三维模型布尔运算的效率。" 这篇研究论文主要关注的是如何优化三维模型的布尔运算过程，尤其是针对大规模三角网格的情况。布尔运算在计算机图形学、CAD设计和游戏开发等领域广泛应用，用于组合或减去几何形状以创建复杂结构。传统的布尔运算方法在处理大量面片时可能会遇到性能瓶颈，尤其是在处理相交区域时。 论文中提出的方法是基于自适应延迟切割的三角网格布尔运算。该方法首先构建自适应八叉树，将模型的面片进行分层，特别是将相交部分的面片归类到相应的相交节点。这样做的好处在于，它可以将相交测试集中到较少的节点上，减少了计算量。 关键算法EvaluateCSGTree被用来递归地处理CSG（Constructive Solid Geometry）树。这个算法首先检查当前节点是否为叶节点，如果是，就将叶节点所代表的面片组保存下来；然后递归地处理左右子节点，构建面片组集合。在处理过程中，利用延迟切割技术，只在真正需要时才进行切割操作，从而减少了不必要的计算。 根据论文所述，与Maya2015和Campen算法比较，该方法在处理超过150000个面片的模型时，速度分别提升了4倍和10倍。这是因为Campen算法需要额外的预处理和后处理，而这两种额外的步骤在处理大量模型时成为性能的限制。相比之下，该论文的方法直接处理三角网格，避免了这些额外开销。 此外，论文还指出，算法的性能不仅取决于相交测试的速度，还与分类性能有关。例如，恐龙-怪兽模型虽然面片数量接近龙-兔子模型，但布尔运算时间却增加了15%，这可能是由于分类性能受到相交角度的影响。当两个模型几乎平行时，会生成大量的内部节点，导致分类性能下降，而垂直的模型会产生最少的内部节点。 最后，论文附带了几个示例模型及其布尔运算结果，如蝎子-球、头-环、香蕉-香蕉、龙-兔子和恐龙-怪兽，展示了算法在不同模型上的应用效果。 综上，这篇研究论文提出的基于自适应延迟切割的三角网格布尔运算优化方法，通过改进的八叉树结构和延迟切割策略，显著提高了运算效率，尤其在处理大型复杂模型时，能够减少计算时间，提升系统性能。