[論文レビュー] A linear weighted laplacian smoothing framework for warping tetrahedral meshes

Suzanne M. Shontz, Stephen A. Vavasis|arXiv (Cornell University)|Oct 18, 2004

Computational Geometry and Mesh Generation参考文献 33被引用数 2

ひとこと要約

本稿では、境界変形後に線形系を解くことで内部ノードの重みを計算することにより、四面体メッシュの湾曲を実現する線形重み付きラプラシアン平滑化（LWLS）フレームワークを提案する。主な貢献は、LWLSが収束した重み付きラプラシアン平滑化およびガウス＝ザイデル法と同一の結果を生成することを証明したことであり、FEMWARPを用いることで、イヌの心臓運動のような複雑な変形のロバストなシミュレーションが可能になる。

ABSTRACT

Abstract. We present a new mesh warping framework for tetrahedral meshes based upon weighted laplacian smoothing. We start with a 3D domain that is bounded by a triangulated surface mesh and has a tetrahedral volume mesh as its interior. We then suppose that a movement of the surface mesh is prescribed and use an algorithm within our framework to update the nodes of the volume mesh. The first step is to determine a set of local weights for each interior node that describes each interior node in terms of the positions of its neighbors. After a boundary transformation is applied, a linear system of equations based upon the weights is solved to determine the final positions of the interior nodes. The three steps comprise the linear weighted laplacian smoothing (LWLS) framework. We present two methods within this framework. The first, LBWARP, uses a log-barrier approach to compute the weights. The second, FEMWARP, is based upon the finite element method. We study mesh invertibility and prove a theorem giving sufficient conditions for a mesh to resist inversion by a transformation. We prove a theorem for general mappings within the context of FEMWARP. We show that for LWLS algorithms, the resulting mesh is the same as the converged mesh obtained from the local version of weighted laplacian smoothing and from the Gauss-Seidel algorithm, when the latter two algorithms converge. We test the robustness of our algorithms and present some numerical results. Finally, we use FEMWARP to study the movement of the canine heart.

研究の動機と目的

• 大規模な境界変形下でもメッシュ品質を維持するロバストなメッシュ湾曲フレームワークの開発を目的とする。
• 変換後のメッシュが逆転しないようにするための十分条件を導出することで、変形シミュレーションにおける逆転耐性を保証する。
• LWLSの挙動を、重み付きラプラシアン平滑化やガウス＝ザイデル法といった既存の反復的手法と統一することを目的とする。
• 動的ボリュームメッシュ変形のシミュレーションに、計算的に効率的で数学的に根拠のあるアプローチを提供することを目的とする。
• 本フレームワークを、イヌの心臓運動のような現実的な生物学的シミュレーションに応用することを目的とする。

提案手法

• フレームワークは、各内部ノードの周囲のノードに基づいて局所的な重みを計算し、ノードの移動を支配する線形系を構築する。
• メッシュ品質を保ち、逆転を回避する重みを計算するために、対数バリア法（LBWARP）が用いられる。
• 代替手法として、有限要素法を用いて重みを導出するFEMWARPがあり、安定性と物理的妥当性を保証する。
• 境界変位を適用した後、線形系を解いて内部ノードの位置を更新する。
• 本フレームワークは、収束する場合に、反復的重み付きラプラシアン平滑化およびガウス＝ザイデルアルゴリズムの収束結果と同一のメッシュが得られることを保証する。
• 理論的解析により、ある条件下では変換後のメッシュが逆転しないことが証明されている。

実験結果

リサーチクエスチョン

• RQ1 反復的重み付きラプラシアン平滑化およびガウス＝ザイデル法と同一の結果を生成できる線形フレームワークを設計できるか？
• RQ2 LWLSフレームワーク下で、変換後のメッシュが逆転しないための条件は何か？
• RQ3 大規模な変形において、LBWARPとFEMWARPの両手法は、ロバスト性と正確性の面でどのように比較できるか？
• RQ4 LWLSフレームワークは、心筋運動のような現実的な生物学的シミュレーションに応用可能か？
• RQ5 LWLSフレームワークと既存の反復的平滑化アルゴリズムとの間には、どのような数学的関係があるか？

主な発見

• 収束する場合、LWLSフレームワークは重み付きラプラシアン平滑化およびガウス＝ザイデルアルゴリズムと同一の最終メッシュを生成する。
• 変換後のメッシュが逆転しないための十分条件が証明され、変形シミュレーションにおけるロバスト性が保証される。
• FEMWARPはイヌの心臓の運動を成功裏にシミュレートし、複雑な生物学的ダイナミクスへの応用可能性を示した。
• 大規模な境界変位下でも、標準的なラプラシアン平滑化よりもメッシュ品質を維持し、逆転を回避する。
• LBWARPとFEMWARPの両手法は理論的保証付きで一貫した結果をもたらすが、FEMWARPは複雑な幾何形状に対して優れた安定性を示す。
• 数値結果により、両アルゴリズムが、極めて歪んだメッシュを含むさまざまなテストケースにおいてロバストであることが確認された。