当前位置: 首页 > news >正文

三维模型表面积计算方法

【版权声明】
本文为博主原创文章,未经博主允许严禁转载,我们会定期进行侵权检索。

更多算法总结请关注我的博客:https://blog.csdn.net/suiyingy,或”乐乐感知学堂“公众号。
本文章来自于专栏《Python三维模型处理基础》的系列文章,专栏地址为:https://blog.csdn.net/suiyingy/category_12462636.html。  

        在当今数字化时代,三维模型已经广泛应用于各个领域,如游戏开发、建筑设计、工程制图等。了解三维模型的表面积以及其计算方法,对于模型的几何特征分析和后续处理具有重要意义。本篇博文将带您深入了解三维模型表面积的定义、作用以及计算方法。

1 表面积定义

        三维模型表面积是指模型所有外部表面的总面积。在数学上,它可以被视为一个多边形网格的组合,由许多个平面三角形组成。每个三角形都有自己的面积,将它们相加即可得到整个模型的表面积。

2 表面积作用

        几何特征分析:表面积可以用于对三维模型的几何特征进行分析和描述。通过表面积,我们可以了解模型的大小、形状以及精细程度,从而为后续的评估和改进工作提供基础数据。

        光照和渲染:在计算机图形学中,光照和渲染是模拟真实世界的重要步骤。表面积决定了模型的各个部分可以接收到多少光线,从而影响最终的视觉效果。计算表面积有助于优化渲染过程,提高图像质量和真实感。

        物理仿真:在物理仿真中,表面积对于计算模型的质量、密度以及碰撞检测等方面非常重要。通过对表面积的计算,可以更准确地模拟模型的物理行为,提高仿真的准确性和真实度。

        此外,上一节介绍的三维模型顶点法向量计算过程中加权求和的权重也由表面积来决定。

3 计算方法

        计算三维模型表面积的方法有多种,这里介绍两种常用的方法,即多边形网格法和曲面拟合法。

        多边形网格法的步骤为:

        (1)首先,将三维模型表示为一个由多个小三角形组成的多边形网格。

        (2)计算每个三角形的面积,可以使用海伦公式或矢量运算等方法。

        (3)将所有三角形的面积相加,得到整个模型的表面积。

        曲面拟合法的步骤为:

        (1)首先,将三维模型表面离散化为一系列点云。

        (2)使用曲面拟合算法,如Bezier曲线或B样条曲线,将点云拟合成光滑的曲面。

        (3)计算拟合曲面的表面积。

        需要注意的是,计算三维模型表面积的精确度与离散化程度相关。较为密集的网格或点云将提供更准确的结果,但也会增加计算复杂度和存储需求。

4 python示例程序

        4.1 单个三角面

        这里我们仍然采用trimesh和open3d来计算三维模型的表面积。我们首先以单个三角面为例,假设顶点坐标分别为[[0.0, 0.0, 1.0], [3.0, 0.0, 1.0], [0.0, 4.0, 1.0]]。显然,这是一个直角三角形,其面积为1/2 * 3 * 4 = 6。

        Trimesh计算三维模型表面积的函数为mesh.area,上述三角面的计算结果为6.0,与预期理论结果一致。关键程序如下所示。

mesh = trimesh.Trimesh(vertices=vertices, faces=faces)
print('area result: ', mesh.area)

        Open3d计算三维模型表面积的函数为open3d.geometry.TriangleMesh.get_surface_area (Python method, in open3d.geometry.TriangleMesh),上述三角面的计算结果为6.0,与预期理论结果一致。关键程序如下所示。

mesh.vertices = o3d.utility.Vector3dVector(vertices)
mesh.triangles = o3d.utility.Vector3iVector(faces)
print('area result: ', mesh.get_surface_area())

        4.2 三棱柱表面积

        假设三棱柱顶点和三角网格面分别为[[0.0, 0.0, 0.0], [3.0, 0.0, 0.0], [0.0, 4.0, 0.0], [0.0, 0.0, 5.0], [3.0, 0.0, 5.0], [0.0, 4.0, 5.0]]、[[1, 3, 2], [2, 3, 5], [5, 3, 6], [1, 4, 3], [3, 4, 6], [1, 2, 4], [2, 5, 4], [4, 5, 6]]。三棱柱示意图如下所示,底面是一个直角三角形。上下底面的面积均为6.0,三个侧面的面积依次为15.0、20.0、25.0,因此总面积为72.0。

图1 三棱柱模型

        Trimesh和open3d相应表面积计算结果均为72.0。之前的博文介绍提到,三维模型的体积计算结果受到顶点顺序和封闭性影响。而三维模型的表面积则不受顶点顺序影响,并且仅计算三角网格的面积之和,孔洞不会自动补全或参与计算。

        Trimesh可通过mesh.area_faces来获取各个三角面的面积,例如上述三棱柱对应的area_faces的计算结果为[ 6.  12.5 12.5 10.  10.   7.5  7.5  6. ]。

        上述计算结果的详细Python示例程序下载地址为“https://download.csdn.net/download/suiyingy/88457956”,或者在”乐乐感知学堂“內回复”3d处理基础“即可。

        此外,Cloud Compare也提供三维模型的表面积计算方法,其计算步骤为:首先加载并选中mesh模型,然后依次点击Edit->Mesh->Measure surface,如下图所示。

图2 Could Compare表面积计算过程

        表面积计算结果会显示在下方提示区域,如下图所示。三棱柱表面积计算结果为S=72,与上述手动计算结果一致。

图3 Could Compare表面积计算结果

        本篇博文介绍了三维模型表面积的定义、作用以及常用的计算方法。了解三维模型的表面积对于模型分析、渲染和仿真具有重要意义。通过计算表面积,我们可以更深入地理解三维模型的几何特征,并为相关领域的应用提供有力支持。希望本文能够帮助读者更好地理解和应用三维模型表面积的知识。

【版权声明】
本文为博主原创文章,未经博主允许严禁转载,我们会定期进行侵权检索。

更多算法总结请关注我的博客:https://blog.csdn.net/suiyingy,或”乐乐感知学堂“公众号。
本文章来自于专栏《Python三维模型处理基础》的系列文章,专栏地址为:https://blog.csdn.net/suiyingy/category_12462636.html。

相关文章:

三维模型表面积计算方法

【版权声明】 本文为博主原创文章,未经博主允许严禁转载,我们会定期进行侵权检索。 更多算法总结请关注我的博客:https://blog.csdn.net/suiyingy,或”乐乐感知学堂“公众号。 本文章来自于专栏《Python三维模型处理基础》的系列文…...

unity脚本_力 c#

创建一个脚本 将代码挂载到物体上 取消物体的重力 运行即向z轴运动 加力之后 是否停止是由阻力影响 如果阻力为零 则会一直运动 如果希望就算有阻力也让物体一直动就将加力代码放在Update函数里 using UnityEngine; public class Power : MonoBehaviour{ Rigidbody rigidBo…...

LeetCode 面试题 10.05. 稀疏数组搜索

文章目录 一、题目二、C# 题解 一、题目 稀疏数组搜索。有个排好序的字符串数组,其中散布着一些空字符串,编写一种方法,找出给定字符串的位置。 示例1: 输入: words [“at”, “”, “”, “”, “ball”, “”, “”, “car”, “”, “”…...

分类预测 | MATLAB实现基于BiLSTM-AdaBoost双向长短期记忆网络结合AdaBoost多输入分类预测

分类预测 | MATLAB实现基于BiLSTM-AdaBoost双向长短期记忆网络结合AdaBoost多输入分类预测 目录 分类预测 | MATLAB实现基于BiLSTM-AdaBoost双向长短期记忆网络结合AdaBoost多输入分类预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 1.MATLAB实现基于BiLSTM-…...

Sobel算子详解及例程

Sobel算子是一种经典的边缘检测算子,被广泛应用于图像处理领域。它基于图像亮度的变化率来检测边缘的位置,主要通过计算图像中像素点的梯度来实现。 Sobel算子分为水平和垂直两个方向的算子,记作Gx和Gy。它们分别对图像进行水平和垂直方向的…...

ScrapeKit 和 Swift 编写程序

以下是一个使用 ScrapeKit 和 Swift 编写的爬虫程序,用于爬取 图片。同时,我们使用了proxy 这段代码来获取代理。 import ScrapeKit ​ class PeopleImageCrawler: NSObject, ScrapeKit.Crawler {let url: URLlet proxyUrl: URL ​init(url: URL, proxy…...

Java基础面试题知识点总结(上篇)

大家好,我是栗筝i,从 2022 年 10 月份开始,我持续梳理出了全面的 Java 技术栈内容,一方面是对自己学习内容进行整合梳理,另一方面是希望对大家有所帮助,使我们一同进步。得到了很多读者的正面反馈。 而在 2…...

STM32进行LVGL裸机移植

本文的移植参考的是正点原子的课程《手把手教你学LVGL图形界面编程》 基于该课程和《LVGL开发指南_V1.3》“第二章 LVGL 无操作系统移植”,然后结合自身的实际情况进行整理。 先根据自己的习惯,创建基础的单片机工程,然后在APP业务层和DRIVE…...

python解析robot framework的output.xml并生成html

一、用pyh模块解析stat结点数据(output.py) #codingutf-8import xml.dom.minidom import xml.etree.ElementTree#打开xml文档 dom xml.dom.minidom.parse(./ui/output.xml);root2 xml.etree.ElementTree.parse(./ui/output.xml) #得到文档元素对象 ro…...

【RuoYi移动端】uni-app中的单击和双击事件

1、单击事件: click"enterpriseSelect" 2、双击事件: touchend"userinfo"...

使用 conda 在 Ubuntu 16.04 上安装 Python 3.9 的步骤:和 VSCode配置

一、使用conda在 Ubuntu 16.04 上安装 Python 3.9 的步骤: 当然可以,conda 是一个非常强大的包管理器,它可以方便地管理不同版本的 Python 和各种库包。以下是使用 conda 在 Ubuntu 16.04 上安装 Python 3.9 的步骤: 1. 安装 Miniconda Miniconda 是 Anaconda 的轻量级版…...

spring6-国际化:i18n | 数据校验:Validation

文章目录 1、国际化:i18n1.1、i18n概述1.2、Java国际化1.3、Spring6国际化1.3.1、MessageSource接口1.3.2、使用Spring6国际化 2、数据校验:Validation2.1、Spring Validation概述2.2、实验一:通过Validator接口实现2.3、实验二:B…...

【MicroSoft Edge】格式化的显示JSON格式的数据

当我们没有进行任何操作的时候,默认浏览器给我们展示的JSON的数据是这样的: 看着十分不便。 解决方案: 首先点击 MicroSoft Edge 浏览器右上角的三点,如何选择扩展 点击 获取Microsoft Edge 扩展 搜索 JSONView,第一…...

【c++】跟webrtc学std array 2:TaskExecutorMap单例用法

D:\XTRANS\m98_rtc\ndrtc-webrtc\src\base\task\task_executor.ccstd array实现的map:TaskExecutorMap // Maps TaskTraits extension IDs to registered TaskExecutors. Index |n| // corresponds to id |n - 1|. using TaskExecutorMap =std::array<TaskExecutor*, Task…...

力扣每日一题59:螺旋矩阵||

题目描述&#xff1a; 给你一个正整数 n &#xff0c;生成一个包含 1 到 n2 所有元素&#xff0c;且元素按顺时针顺序螺旋排列的 n x n 正方形矩阵 matrix 。 示例 1&#xff1a; 输入&#xff1a;n 3 输出&#xff1a;[[1,2,3],[8,9,4],[7,6,5]]示例 2&#xff1a; 输入&am…...

codeforces (C++ In Love )

题目&#xff1a; 翻译&#xff1a; 思路&#xff1a; 1、在一个集合中有多组线段&#xff0c;如果有不相交的两组线段&#xff0c;则输出YES&#xff0c;否则输出NO。 2、每次操纵可以选择增加一组线段或者删除一组线段后&#xff0c;输出YES或者NO。 3、用flag标记该线段是否…...

【python】py文件全自动打包成spec文件

说明&#xff1a; 自动获取当前根目录下所有py文件生成spec文件&#xff0c;直接运行pyinstaller进行打包即可。直接打包成单执行文件。 直接上代码 import ospathex []def recursion(path, main):if path[:1] ! /:path /listpath os.listdir(path)for item in listpath:if…...

YOLOv5-调用官方权重进行检验(目标检测)

&#x1f368; 本文为[&#x1f517;365天深度学习训练营学习记录博客 &#x1f366; 参考文章&#xff1a;365天深度学习训练营-第7周&#xff1a;咖啡豆识别&#xff08;训练营内部成员可读&#xff09; &#x1f356; 原作者&#xff1a;[K同学啊 | 接辅导、项目定制](https…...

springMVC中统一异常处理@ControllerAdvice

1.在DispatcherServlet中初始化HandlerExceptionResolver 2.controller执行完成后执行processDispatchResult(processedRequest,response,mappedHandler,mv,dispatchException),有异常则处理异常 3.ExcepitonHandlerExceptionResolver中执行方法doResolveHandlerMethodExceptio…...

【Java】<泛型>,在编译阶段约束操作的数据结构,并进行检查。

个人简介&#xff1a;Java领域新星创作者&#xff1b;阿里云技术博主、星级博主、专家博主&#xff1b;正在Java学习的路上摸爬滚打&#xff0c;记录学习的过程~ 个人主页&#xff1a;.29.的博客 学习社区&#xff1a;进去逛一逛~ JAVA泛型 泛型介绍&#xff1a; ①泛型&#…...

深入解析Strapi中的媒体处理

引言 在现代Web开发中,内容管理系统(CMS)扮演着至关重要的角色。Strapi,作为一个开源的无头CMS,提供了强大的API功能来管理和展示内容。然而,初学者在使用Strapi时可能会遇到一些常见的问题,特别是在处理媒体文件方面。本文将通过一个实际案例,详细解释Strapi如何处理…...

茉莉花插件终极指南:5分钟掌握Zotero中文文献管理

茉莉花插件终极指南&#xff1a;5分钟掌握Zotero中文文献管理 【免费下载链接】jasminum A Zotero add-on to retrive CNKI meta data. 一个简单的Zotero 插件&#xff0c;用于识别中文元数据 项目地址: https://gitcode.com/gh_mirrors/ja/jasminum 茉莉花(Jasminum)插…...

Qwen3-ASR-1.7B模型在MobaXterm远程会话中的语音控制应用

Qwen3-ASR-1.7B模型在MobaXterm远程会话中的语音控制应用 1. 引言 想象一下这样的场景&#xff1a;你正在通过MobaXterm远程连接到服务器&#xff0c;双手忙着敲代码的同时&#xff0c;突然需要执行一个复杂的系统命令。传统方式需要你停下来输入命令&#xff0c;但如果有种方…...

GTE-Chinese-Large入门必看:轻量621MB模型实现高精度中文语义理解

GTE-Chinese-Large入门必看&#xff1a;轻量621MB模型实现高精度中文语义理解 你是不是经常遇到这样的问题&#xff1f;想在一堆文档里快速找到和某个问题最相关的答案&#xff0c;或者想把用户评论自动归类&#xff0c;又或者想给用户推荐他可能感兴趣的文章&#xff1f;这些…...

ofa_image-caption行业落地:面向AI产品经理的图像描述生成工具选型指南

OFA图像描述生成工具行业落地&#xff1a;面向AI产品经理的图像描述生成工具选型指南 1. 引言&#xff1a;为什么AI产品经理需要关注图像描述生成&#xff1f; 想象一下这个场景&#xff1a;你负责的电商平台每天有数万张商品图片需要审核和打标签&#xff0c;人工团队忙得焦…...

快速上手LongCat-Image-Edit V2:3步完成图片风格迁移

快速上手LongCat-Image-Edit V2&#xff1a;3步完成图片风格迁移 1. 为什么你需要这个工具 想象一下这个场景&#xff1a;你刚拍了一张产品照片&#xff0c;背景有点杂乱&#xff0c;想换成简洁的白色&#xff1b;或者你有一张风景照&#xff0c;想试试把它变成梵高风格的油画…...

机器学习概念及学习目标

机器学习是计算机科学和人工智能的一个子领域&#xff0c;它通过对大量数据进行 分析&#xff0c;自动构建数学模型&#xff0c;从而能够在未见过的数据上进行预测、分类、 决策或生成内容。该算法通过训练数据优化模型参数&#xff0c;使模型能够根据输 入数据生成合理的输出。…...

告别繁琐配置:YuukiPS Launcher如何让动漫游戏管理变得简单高效

告别繁琐配置&#xff1a;YuukiPS Launcher如何让动漫游戏管理变得简单高效 【免费下载链接】Launcher-PC 项目地址: https://gitcode.com/gh_mirrors/la/Launcher-PC 你是否曾为管理多个游戏版本而头疼&#xff1f;每次切换服务器都需要重新配置代理&#xff0c;不同账…...

Linux视频开发实战:v4l2内存映射(mmap)避坑指南与性能优化

Linux视频开发实战&#xff1a;v4l2内存映射&#xff08;mmap&#xff09;避坑指南与性能优化 在嵌入式Linux视频采集领域&#xff0c;v4l2框架配合mmap内存映射技术是实现高效视频流处理的关键组合。这种技术允许用户空间直接访问内核缓冲区&#xff0c;避免了数据拷贝带来的性…...

从‘Hello World’到实战:用Python+sklearn复现经典手写数字识别项目,保姆级代码逐行解析

从‘Hello World’到实战&#xff1a;用Pythonsklearn复现经典手写数字识别项目&#xff0c;保姆级代码逐行解析 当你第一次接触机器学习时&#xff0c;手写数字识别项目就像编程界的"Hello World"一样经典。这个看似简单的项目背后&#xff0c;却蕴含着机器学习从数…...