针对将OpenGL选择拾取机制直接作用于Catmull-Clark细分网格数据点的拾取,可能会因细分网格数据量过大而导致名字堆栈溢出的问题,借鉴细分曲面求交的思想,提出一种新的细分网格数据点拾取方法.该方法通过提取拾取对象的邻域网格并进行局部细分,将对细分任意层次上网格数据点的拾取转化为对初始控制网格以及在达到细分层次要求以前每一次局部细分网格点、边、面的拾取和对最后一次局部细分网格数据点的拾取.采用多个拾取算例进行对比分析实验,当细分网格顶点数量较多时,所给拾取方法的拾取命名对象总量和拾取时间都远小于传统OpenGL选择拾取方法.实验结果表明,所给拾取方法能快速准确实现细分网格数据点的拾取,尤其适用于数据量较大的复杂细分模型,可有效避免因拾取名字堆栈溢出而导致的拾取错误.

针对传统骨架驱动变形方法中模型细节特征不能得到有效保持的问题,提出一种基于细分的骨架驱动网格模型变形方法。首先,对网格模型待变形区域基于截交线进行局部骨架提取和控制网格构建,分别建立骨架与控制网格以及控制网格所对应细分曲面与待变形模型区域之间的关联关系;然后,将基本函数作用下的自由变形方法应用于骨架变形,通过骨架变形驱动控制网格变形,将变形前后控制网格所对应细分曲面的变化信息转为网格模型泊松梯度场的改变;最后,根据改变后梯度场重建网格模型。实例表明,该变形方法针对不同网格模型均可以得到较好的编辑效果,且细节信息在变形后都得到了有效保持。与传统骨架驱动变形方法相比,该方法除具备交互操作简单直观的优势外,同时能够更好保持变形模型几何细节特征,更为适合具有丰富几何细节的复杂模型的变形编辑。