[论文解读] 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 2

一句话总结

本文提出了一种线性加权拉普拉斯平滑（LWLS）框架，通过计算内部节点的局部权重并在边界变形后求解线性系统，实现四面体网格的变形。关键贡献在于证明了LWLS产生的结果与收敛的加权拉普拉斯平滑和高斯-赛德尔方法相同，且FEMWARP能够实现对犬类心脏运动等复杂变形的鲁棒模拟。

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.

研究动机与目标

• 开发一种鲁棒的网格变形框架，以在大边界变形下保持网格质量。
• 通过推导抵抗反演的充分条件，确保变换下的网格可逆性。
• 统一LWLS与加权拉普拉斯平滑和高斯-赛德尔等既有的迭代方法的行为。
• 为模拟动态体积网格变形提供一种计算高效且数学基础坚实的方案。
• 将该框架应用于真实生物模拟，如犬类心脏运动。

提出的方法

• 该框架基于每个内部节点的邻点计算局部权重，形成控制节点移动的线性系统。
• 采用对数障碍法（LBWARP）计算权重，以保持网格质量并避免反演。
• 另一种方法FEMWARP通过有限元法推导权重，确保稳定性和物理合理性。
• 在施加边界位移后，求解线性系统以更新内部节点位置。
• 该框架保证，当迭代方法收敛时，生成的网格与收敛的加权拉普拉斯平滑和高斯-赛德尔算法结果完全一致。
• 理论分析证明，在特定条件下，变换后的网格保持可逆。

实验结果

研究问题

• RQ1 能否设计一种线性框架，使其在网格变形中产生与迭代加权拉普拉斯平滑和高斯-赛德尔方法相同的结果？
• RQ2 在LWLS框架下，何种条件可确保变换后的网格保持可逆？
• RQ3 在大变形下，LBWARP与FEMWARP在鲁棒性和准确性方面如何比较？
• RQ4 LWLS框架能否应用于真实生物模拟，如心脏运动？
• RQ5 LWLS框架与现有迭代平滑算法之间存在何种数学关系？

主要发现

• 当迭代加权拉普拉斯平滑和高斯-赛德尔算法收敛时，LWLS框架产生的最终网格与之完全相同。
• 证明了在变换下保持网格可逆性的充分条件，确保了变形模拟的鲁棒性。
• FEMWARP成功模拟了犬类心脏的运动，证明了其在复杂生物动力学中的适用性。
• 与标准拉普拉斯平滑相比，该框架在大边界位移下能更好地保持网格质量和避免反演。
• LBWARP与FEMWARP均产生一致结果并具有理论保证，但FEMWARP在复杂几何中表现出更优的稳定性。
• 数值结果证实了两种算法在各种测试案例（包括高度扭曲的网格）中的鲁棒性。