Reconstruccin de Supercies de Forma Libre Mediante Funciones NURBS

Ernesto Cuartas Morales

Universidad Nacional de Colombia Sede Manizales Facultad de Ingeniera y Arquitectura Maestra en Ingeniera - Automatizacin Industrial Manizales, Colombia 2006

Reconstruccin de Supercies de Forma Libre Mediante Funciones NURBS

Por

Ernesto Cuartas Morales, Ing

Director

Flavio Prieto, PhD

Trabajo de Grado
Presentada a la Facultad de Ingeniera y Arquitectura de la Universidad Nacional de Colombia Sede Manizales En cumplimiento de los Requerimientos para el Grado de

Magister en Ingeniera - Automatizacin Industial

Universidad Nacional de Colombia Sede Manizales

A la vida, que me permiti recorrer el camino de la Ingeniera

Resumen
El modelado 3D es uno de los campos de investigacin con ms auge en el rea de visin por computador. La reconstruccin de objetos del mundo real en un computador a cobrado un nuevo signicado gracias al avance en los digitalizadores 3D, que rastrean la geometra de un objeto con una mayor precisin en cada nueva generacin. El problema de convertir una densa nube de puntos desorganizados en un modelo til es uno de los campos de mayor inters. Este trabajo aporta un mtodo de reconstruccin de vistas parciales de objetos tridimensionales mediante funciones NURBS, haciendo uso de la proyeccin planar de los datos y la triangulacin planar de Delaunay para particionar en cuadrilteros una reconstruccin inicial que puede contener bordes irregulares y agujeros. Posteriormente se parametrizan los vecindarios con funciones NURBS bicbicas en un proceso de proyeccin que permite rastrear la informacin espacial del modelo a reconstruir. La aproximacin es optimizada mediante un sistema lineal generalizante que permite ajustar los pesos y los puntos de control en la parametrizacin.

Abstract
The 3D modeling is one of the investigation elds with more works in the computer vision area. The computational reconstruction of real world objects have now a new meaning, this thanks to the advance in the 3D digitalizators. Whit these, the geometry of an object can be captured with a better precision in each new one generation. The problem of transforming a dense disorganized cloud of points in an useful model is one of the elds of most interest. This work illustrates a method of NURBS reconstruction for partial views of three dimensional objects. The reconstruction is made through planar projection of the data and the Delaunay triangulation for the quadrilaterals split of the model reconstruction, that can contain irregular borders and holes. Later, the parametrization process is made in each one of the neighborhoods using bicubic NURBS functions. A projection process allows to approach the space information of the object. The approach is optimized with a lineal system, optimizing the control points and the weights after the parametrization process.

Agradecimientos

E RNESTO C UARTAS M ORALES

Universidad Nacional de Colombia Sede Manizales Abril 2006

A Flavio Prieto por la conanza que me brind para llevar a cabo este proyecto. A mi familia por su apoyo incondicional. A los integrantes del grupo PCI. A Amanda y Alba. A Lina. Al DINAIN que nanci el proyecto de investigacin Modelado de Supercies de Forma Libre Empleando Tcnicas de Visin Articial. Al programa de becas Estudiantes Sobresalientes de Posgrado de la Universidad Nacional de Colombia.

VI

Contenido
Portada Resumen Abstract Agradecimientos Contenido Lista de Tablas Lista de Figuras Lista de Anexos Introduccin Captulo 1. Reconstruccin de Supercies 1.1. Generacin de modelos computacionales a partir de muestras de la supercie de un objeto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.1. Reconstruccin mediante funciones B-Splines . . . . . . . . . . . . 1.2. Reconstruccin propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3. Consideraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6 10 11 I IV V VI VII XI XII XV 1 4

VII

VIII Captulo 2. Particionamiento Cuadrilateral de Vistas Parciales 2.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Geometra de los objetos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1. Disposicin matricial ordenada de las funciones NURBS . . . . . . 2.3. Proyeccin planar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Extraccin del borde . . . . . . . . . . . . . . . . . . . . . . . . . 2.4. Particionamiento cuadrilateral . . . . . . . . . . . . . . . . . . . . . . . . 2.4.1. Triangulacin de Delaunay . . . . . . . . . . . . . . . . . . . . . . 2.4.2. Vecindarios cuadrilaterales a partir del grafo de Delaunay . . . . . 2.4.3. Vecindarios cuadrilaterales sobre los bordes . . . . . . . . . . . . . 2.4.4. Vecindarios cuadrilaterales en los agujeros . . . . . . . . . . . . . 2.4.5. Consideraciones acerca de la metodologa propuesta . . . . . . . . 2.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 3. Parametrizacin de Supercies NURBS 3.1. Seleccin de puntos de control en el plano . . . . . . . . . . . . . . . . . . 3.1.1. Caso cuadrilateral regular . . . . . . . . . . . . . . . . . . . . . . 3.1.2. Caso cuadrilateral irregular . . . . . . . . . . . . . . . . . . . . . . 3.2. Aproximacin de la profundidad . . . . . . . . . . . . . . . . . . . . . . . 3.2.1. Proyeccin punto a punto . . . . . . . . . . . . . . . . . . . . . . . 3.2.2. Proyeccin punto a tringulo . . . . . . . . . . . . . . . . . . . . . 3.2.3. Consideraciones acerca de la metodologa propuesta . . . . . . . . 3.3. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 4. Continuidad Entre Funciones NURBS 4.1. Continuidad en Splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Continuidad entre parches NURBS . . . . . . . . . . . . . . . . . . . . . . 4.2.1. Continuidad de vrtices C 0 . . . . . . . . . . . . . . . . . . . . . . 4.2.2. Continuidad de normales C l . . . . . . . . . . . . . . . . . . . . . 12 12 16 17 19 20 22 22 23 24 26 28 29 32 33 33 35 38 38 41 45 46 47 48 49 49 49

IX 4.3. Ajuste de la continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1. Continuidad entre ejes . . . . . . . . . . . . . . . . . . . . . . . . 4.3.2. Continuidad en los vrtices . . . . . . . . . . . . . . . . . . . . . . 4.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 5. Optimizacin de Funciones NURBS 5.1. Formulacin del problema . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1. Optimizacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2. Mtrica del error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1. Proyeccin de supercies . . . . . . . . . . . . . . . . . . . . . . . 5.3. Consideraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 6. Evaluacin y Resultados 6.0.1. Conguracin del experimento . . . . . . . . . . . . . . . . . . . . 6.1. Particionamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1. Caracterizacin del borde . . . . . . . . . . . . . . . . . . . . . . 6.1.2. Seleccin de los puntos de control . . . . . . . . . . . . . . . . . . 6.1.3. Seleccin aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.4. Seleccin aleatoria restringida . . . . . . . . . . . . . . . . . . . . 6.1.5. Tiempo de clculo . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Parametrizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1. Seleccin de puntos de control en el plano . . . . . . . . . . . . . . 6.2.2. Indexacin cuadrada . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.3. Proyeccin punto a punto . . . . . . . . . . . . . . . . . . . . . . 6.2.4. Proyeccin punto a tringulo . . . . . . . . . . . . . . . . . . . . . 6.2.5. Error en la aproximacin . . . . . . . . . . . . . . . . . . . . . . . 6.3. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3.1. Tiempo de clculo . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4. Optimizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 51 52 54 55 55 56 58 58 61 62 65 65 65 66 66 67 68 68 68 69 70 71 73 74 75 76

X 6.5. Reconstruccin completa . . . . . . . . . . . . . . . . . . . . . . . . . . . Captulo 7. Conclusiones y Trabajo Futuro 7.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2. Trabajo Futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bibliografa Apndice A. NURBS 77 79 79 81 82 A1

A.1. Curvas y Supercies de Bzier . . . . . . . . . . . . . . . . . . . . . . . . A2 A.2. Funciones Base Splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . A3 A.2.1. Propiedades de las Funciones Base Splines . . . . . . . . . . . . . A4 A.2.2. Vector paramtrico de nodos . . . . . . . . . . . . . . . . . . . . . A5 A.3. B-Splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A7 A.3.1. Curvas B-Splines . . . . . . . . . . . . . . . . . . . . . . . . . . . A7 A.3.2. Supercies B-Splines . . . . . . . . . . . . . . . . . . . . . . . . . A8 A.4. B-Splines Racionales no Uniformes (NURBS) . . . . . . . . . . . . . . . . A9 A.4.1. Propiedades de la representacin racional con B-Splines . . . . . . A10 A.4.2. Curvas y Supercies NURBS . . . . . . . . . . . . . . . . . . . . A12 A.4.3. Grados de libertad . . . . . . . . . . . . . . . . . . . . . . . . . . A13 Apndice B. Algoritmos de reconstruccin B1

B.1. Algoritmo de Delaunay . . . . . . . . . . . . . . . . . . . . . . . . . . . . B1

Lista de Tablas
6.1. Borde - caracterizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Optimizacin con 9 vecindarios . . . . . . . . . . . . . . . . . . . . . . . 6.3. Optimizacin con 14 vecindarios . . . . . . . . . . . . . . . . . . . . . . . 66 76 76

XI

Lista de Figuras
1.1. Reconstruccin de una vista parcial . . . . . . . . . . . . . . . . . . . . . 1.2. Metodologa de reconstruccin propuesta . . . . . . . . . . . . . . . . . . 2.1. Vecindario cuadrilateral polidrico . . . . . . . . . . . . . . . . . . . . . . 2.2. Reconstruccin de Loop, tomado de [20] . . . . . . . . . . . . . . . . . . . 2.3. Particionamiento cuadrilateral de Hoppe, tomado de [17] . . . . . . . . . . 2.4. Geometra de los objetos 3D . . . . . . . . . . . . . . . . . . . . . . . . . 2.5. Ordenamiento de puntos de control en Splines . . . . . . . . . . . . . . . . 2.6. Mapeo matricial ordenado en vecindario irregular . . . . . . . . . . . . . . 2.7. Tringulos de borde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8. Ejemplo de caracterizacin del borde . . . . . . . . . . . . . . . . . . . . 9 10 13 14 15 17 18 19 20 21 23 25 25 27 28 29 34 36 37

2.9. Vecindarios cuadrilaterales regulares . . . . . . . . . . . . . . . . . . . . . 2.10. Disposicin de ejes radiales . . . . . . . . . . . . . . . . . . . . . . . . . . 2.11. Ejes radiales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.12. Particionamiento en agujeros . . . . . . . . . . . . . . . . . . . . . . . . . 2.13. Metodologa de particionamiento propuesta . . . . . . . . . . . . . . . . . 2.14. Particionamiento cuadrilateral . . . . . . . . . . . . . . . . . . . . . . . . 3.1. Parametrizacin - caso regular . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Parametrizacin - caso irregular . . . . . . . . . . . . . . . . . . . . . . . 3.3. Parametrizacin planar . . . . . . . . . . . . . . . . . . . . . . . . . . . .

XII

XIII 3.4. Proyeccin punto a punto . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5. Pertenencia de un punto a un tringulo . . . . . . . . . . . . . . . . . . . . 3.6. Proyeccin punto a tringulo . . . . . . . . . . . . . . . . . . . . . . . . . 3.7. Estrategia de Parametrizacin Propuesta . . . . . . . . . . . . . . . . . . . 3.8. Parametrizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1. Proyeccin en supercies . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Continuidad entre Ejes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3. Continuidad en los vrtices . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4. Ajuste de Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1. Proyeccin en supercies . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1. Conjunto de datos rostro . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Conjunto de datos vlvula . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3. Conjunto de datos buda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4. Conjunto de datos cermica precolombina . . . . . . . . . . . . . . . . . . 6.5. Conjunto de datos mscara . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6. Particionamiento - Seleccin de puntos de control . . . . . . . . . . . . . . 6.7. Parametrizacin - indexacin cuadrada . . . . . . . . . . . . . . . . . . . . 6.8. Parametrizacin punto a punto . . . . . . . . . . . . . . . . . . . . . . . . 6.9. Parametrizacin - tiempo de clculo . . . . . . . . . . . . . . . . . . . . . 6.10. Parametrizacin punto a tringulo . . . . . . . . . . . . . . . . . . . . . . 6.11. Parametrizacin - Tiempo de Clculo . . . . . . . . . . . . . . . . . . . . . 6.12. Parametrizacin - error de aproximacin . . . . . . . . . . . . . . . . . . . 6.13. Continuidad en modelo vlvula . . . . . . . . . . . . . . . . . . . . . . . . 6.14. Reconstruccin cermica precolombina . . . . . . . . . . . . . . . . . . . 6.15. Reconstruccin mscara . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 42 43 45 45 48 50 50 53 60 62 63 63 64 64 67 69 70 71 72 73 74 75 77 78

A.1. Funciones base splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . A5

XIV A.2. Funciones base con nodos no uniformes . . . . . . . . . . . . . . . . . . . A7 A.3. Proyeccin del plano racional W . . . . . . . . . . . . . . . . . . . . . . . A10 A.4. Supercies NURBS con diferentes pesos . . . . . . . . . . . . . . . . . . . A11 A.5. Curva NURBS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A12 A.6. Supercie NURBS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A13

Lista de Anexos

Apndice A: NURBS

..................................... ........................

A1 B1

Apndice B: Algoritmos de Reconstruccin

XV

Introduccin
La generacin de supercies de forma libre y objetos del mundo real en un ordenador es una labor compleja incluso para los diseadores que emplean sistemas de modelado geomtrico avanzado. El rastreo de la geometra de objetos del mundo real es de mayor inters en aplicaciones prcticas como realidad virtual, CAD, medicina, visualizacin, manufactura y control de calidad. El avance en las tecnologas de adquisicin 3D permite que los escner de rango laser de ltima generacin rastreen la supercie de un objeto con alta precisin. El proceso resulta en una nube de puntos discreta, bastante densa, que contiene la informacin espacial de la geometra del objeto. Convertir la gran cantidad de puntos generados por un escner laser en un modelo geomtrico til se dene como reconstruccin de supercies a partir de imgenes de rango.

La reconstruccin de modelos de forma libre tuvo una primera aproximacin en los cubos marchantes y la distancia signada. Este mtodo combinado con un renamiento posterior de la reconstruccin, ofrece excelentes resultados y modelos realistas. Las representaciones generadas a partir estos mtodos son colecciones de caras planares poligonales (generalmente tringulos) conectadas entre si, las cuales recrean de manera brusca la supercie del modelo a representar. Aunque existen diversas tcnicas para el suavizado de los mtodos poligonales, la continuidad del modelo y el error en la reconstruccin no hacen parte de los parmetros del proceso; adems, un alto nivel de detalle requiere un nmero mayor de polgonos, y por consiguiente un mayor costo computacional.

2 Las funciones NURBS son empleadas para diversas tareas tales como la reconstruccin de imgenes 3D, diseo de alto nivel o modelado complejo de formas humanas en animacin. Su mayor utilidad se encuentra en el rea de reconstruccin de supercies de forma libre debido a su alto grado de adaptacin y su representacin suave y continua. Sin embargo, el paradigma del modelado mediante B-Splines est limitado, debido a que los puntos de control sobre el modelo a recrear deben estar organizados en una estructura matricial ordenada. Este problema hace que no sea til el ajuste de una sola supercie B-Spline a un modelo complejo con morfologa irregular. La adaptacin de una sola funcin paramtrica NURBS se ha afrontado desde diferentes puntos de vista con resultados poco prometedores. La reconstruccin eciente de modelos de forma libre requiere la introduccin de una red de parches que se unan entre si de forma adecuada para aproximar la supercie cambiante de un modelo irregular. La generacin automtica de la red y la parametrizacin de los puntos sobre cada parche es un problema complejo, debido que se debe garantizar la continuidad de plano tangente C l en las fronteras de los parches adyacentes y la representacin nal depende de un proceso de particionamiento adecuado del modelo.

Mediante este trabajo se pretende afrontar el problema de la reconstruccin de supercies de forma libre, empleando colecciones de funciones NURBS ensambladas de forma suave y haciendo uso de tcnicas de optimizacin para la obtencin de representaciones paramtricas de vistas parciales de objetos del mundo real.

La disposicin del documento es la siguiente: En el Captulo 1 se hace una revisin general de la reconstruccin de supercies orientada hacia la reconstruccin mediante funciones B-Splines. El Captulo 2 expone el mtodo de particionamiento cuadrilateral propuesto, el cual est basado en la proyeccin planar de los datos y la triangulacin de Delaunay. En el Captulo 3 se plantea el problema de la parametrizacin mediante funciones B-Splines y se presenta la metodologa de parametrizacin desarrollada. El Captulo 4 muestra el esquema de ajuste de continuidad empleado para garantizar la suavidad en-

3 tre las funciones NURBS adyacentes. El Captulo 5 muestra el proceso de optimizacin del ajuste empleado. Finalmente el Captulo 6 ilustra las pruebas realizadas al mtodo de reconstruccin propuesto, y en el Captulo 7 se comentan las Conclusiones y el Trabajo Futuro propuesto. Adicionalmente, en el Apndice A se presenta un anlisis minucioso de las funciones NURBS.

Captulo 1

Reconstruccin de Supercies
Los escner 3D muestrean la supercie de un objeto con una aproximacin que ofrece una nube de puntos bastante densa, y con cierto ruido residual inherente al proceso de adquisicin [1]. A partir de esta nube de puntos, se puede obtener un modelo estimado que brinde informacin geomtrica de la supercie del objeto y, que adems, est sujeto a restricciones de continuidad. Una sola imagen de rango provee informacin parcial de la supercie del objeto, por lo tanto, es necesario combinar mltiples imgenes de rango desde diferentes puntos de vista en un mismo espacio coordenado para obtener un modelo completo. Este procedimiento involucra procesos tales como el registro y la integracin [2,3,4].

El proceso de reconstruccin de supercies tiene varias etapas que van desde la adquisicin hasta la integracin del modelo [5]. El mtodo de triangulacin, es por mucho el mtodo ms empleado para inferir la informacin espacial de un objeto del mundo real por medio de dispositivos pticos [6]. Los sistemas de captura por triangulacin se componen generalmente por un sistema de proyeccin de luz estructurada, que emplea patrones de luz tales como puntos, lneas, rejillas, etc, los cuales son captados por un sensor ptico, que tpicamente es un CCD [1]. Las tcnicas de luz estructurada simplican de manera importante el proceso de triangulacin de la posicin de un punto en el espacio, esto debido a que mediante el conocimiento de los parmetros de la cmara se puede encontrar

5 directamente el rastreo paramtrico espacial de una imagen planar generada por un sensor CCD. Los mtodos de luz estructurada hacen posible la adquisicin de imgenes de rango en tiempo real sin la necesidad de ordenadores muy veloces [7].

Mediante el proceso de registro se deben encontrar las transformaciones geomtricas que referencian un conjunto de imgenes de rango de un objeto real a un mismo espacio coordenado [3, 5]. Uno de los algoritmos ms usados en la etapa de registro es el ICP (Iterative Closest Point) [8].

Este trabajo se centra en el proceso de adaptacin de supercies empleando funciones NURBS, ya que estas presentan caractersticas ideales para la aproximacin a modelos de forma libre [9].

1.1.

Generacin de modelos computacionales a partir de muestras de la supercie de un objeto

Si se retoma el problema de la reconstruccin de supercies al terminar la etapa de

registro, este se puede denir de la siguiente manera:

Dado un conjunto de datos de rango fi tomados desde diferentes puntos de vista de una escena, y previamente alineados (registrados), hallar la supercie continua M i que se aproxime de mejor manera a la supercie real M [5].

La idea de generar construcciones espaciales generalizadas a partir de muestras de supercies tridimensionales cautiv a matemticos e ingenieros durante la dcada de los 80s (1980 - 1990) [10]. Planteado el problema, se deben analizar las implicaciones de su solucin. La nube de puntos es un muestreo de la supercie de un objeto fsico tridimensional, es decir, la informacin rastreada est concentrada en un casquete que dene la

6 geometra de la supercie del objeto, y aunque el muestreo es desorganizado (despes de las etapas de adquisicin y registro), dicha nube de puntos contiene informacin espacial del objeto que queremos reconstruir.

La reconstruccin de modelos de forma libre a partir de imgenes de rango tuvo una primera aproximacin en los cubos marchantes y la distancia signada [10,5,6], este mtodo combinado con un renamiento posterior de la reconstruccin ofrece excelentes resultados y modelos realistas [11,12]. Las representaciones generadas a partir de estos mtodos estn conformadas por caras planares poligonales (generalmente tringulos) conectadas entre si, las cuales recrean de manera brusca el modelo nal. Aunque existen diversas tcnicas para el suavizado de los mtodos poligonales [10, 12, 13], la continuidad del modelo y el error en la reconstruccin no hacen parte de los parmetros del proceso, adems, un alto nivel de detalle requiere un nmero mayor de polgonos, y por consiguiente un mayor costo computacional.

1.1.1.

Reconstruccin mediante funciones B-Splines

Las funciones B-Splines en su forma bitensorial cruzada (supercies generalizadas

Splines) prometan ser una de las herramientas ms tiles en el rea de la reconstruccin de objetos de forma libre en la ltima dcada del siglo pasado (1990 2000). No obstante, el paradigma del modelado mediante B-Splines est limitado debido a que los puntos de control sobre el modelo a representar deben estar organizados en una estructura matricial ordenada. Este problema hace que el ajuste de una sola supercie B-Spline a un modelo complejo no sea til. Las funciones NURBS son la representacin racional de las funciones primitivas B-Splines (la forma racional introduce pesos asociados que crean una nueva dimensin en la parametrizacin ver Anexo A). La adaptacin de una sola funcin paramtrica NURBS se ha abordado desde diferentes puntos de vista con resultados poco prometedores [14, 15, 16]. Por tanto, se ha difundido el hecho de que la reconstruccin eciente de

7 modelos complejos requiere la introduccin de una red de parches NURBS (o B-Splines). La reconstruccin de supercies mediante funciones paramtricas NURBS es tratada por diversos autores [14, 15, 17, 18, 19, 20, 21, 22, 23], y, aunque han surgido planteamientos que en su momento han pretendido ser el enfoque correcto en cuanto a parametrizacin y/o particionamiento para la reconstruccin efectiva de modelos de forma libre mediante funciones B-Splines, en todos y cada uno de los trabajos revisados en la literatura queda claro que todava no existe un mtodo ptimo para adaptar funciones paramtricas a muestras desordenadas de la supercie de un objeto. Sin embargo, diversos enfoques ofrecen soluciones prcticas y simples, que a falta de una metodologa estandarizada, se convierten en el modelo a seguir.

Como se mencion anteriormente, el ajuste de una sola supercie B-Spline a un modelo irregular se ha afrontado desde diferentes puntos de vista con resultados poco prometedores [14, 15], Esto debido a la restriccin de adaptacin matricial de los modelos Splines. Las metodologas con mejores resultados, reportadas en la literatura son el trabajo de In Kyu Park [18, 19] y el trabajo de Hugues Hoppe [17]. En ambos, se plantea la reconstruccin de modelos volumtricos cerrados con algunas restricciones.

In Kyu Park [18, 19] desarrolla una tcnica de reconstruccin de modelos de forma libre mediante supercies NURBS. Su aproximacin se vale de un clustering mediante el algoritmo K-medias [19] para encontrar un modelo inicial con particiones polidricas de una nube de puntos desorganizada. A partir del modelo inicial se conforma una reconstruccin triangular conectando los vrtices y el centroide de cada parche polidrico. Finalmente, la reconstruccin triangular es apareada para encontrar la divisin cuadrilateral del modelo. La metodologa propuesta por Park es poco prctica debido a que la particin inicial debe ser na para evitar resultados errneos en el algoritmo K-medias y el apareamiento de la base triangular no siempre es posible, adems, el proceso de parametrizacin introduce problemas adicionales que pueden ser simplicados como la obtencin del vector de no-

8 dos [24]. El mtodo de Park esta restringido a modelos con curvaturas poco pronunciadas, esto debido al proceso de particionamiento, que plantea la conexin de los puntos de control sobre la nube de puntos desorganizada por medio de un proceso de agrupamiento basado en la distancia espacial.

El trabajo de Hugues Hoppe [17] es el trabajo ms completo reportado en la literatura en el rea de reconstruccin de modelos de forma libre empleando funciones paramtricas a trozos. Al igual que Park, Hoppe propone un mtodo de particionamiento cuadrilateral para la parametrizacin del modelo. A partir de la nube de puntos original, se genera una reconstruccin poligonal inicial M0 . Esta reconstruccin inicial es particionada en vecindarios irregulares mediante el algoritmo de Voronoi, al cual se le aplica la triangulacin de Delaunay con la restriccin de un nmero par de tringulos, que garantiza el apareamiento [25, 7]. Finalmente, la base triangular es apareada para construir el particionamiento cuadrilateral del modelo [26].

El mtodo de Hoppe presenta los mejores resultados para la reconstruccin de modelos de forma libre mediante el ajuste suave de Splines, esto gracias a una particin volumtrica efectiva y a una etapa de renamiento adaptativo que genera modelos realistas de objetos complejos. Sin embargo, el ajuste de los modelos G-Splines de Peters no ofrece una parametrizacin racional lo cual se ve reejado en un control local menor del ajuste de las funciones paramtricas. En la metodologa propuesta en este trabajo se emplean funciones NURBS, mediante las cuales es posible realizar un ajuste local no por medio de la optimizacin conjunta de los pesos y puntos de control [24].

Figura 1.1: Reconstruccin de una vista parcial

La Figura 1.1 ilustra la reconstruccin mediante el mtodo propuesto de una vista parcial de un modelo con un agujero.

Los trabajos ms recientes emplean modelos modicados de funciones B-Splines [27, 28], los cuales se adaptan a vecindarios triangulares y por tanto a los modelos poligonales triangulados. Inclusive en enfoques como estos, el tamao de los vecindarios y la cantidad de funciones necesarias para la reconstruccin de modelos simples sigue estando lejos del paradigma de la reconstruccin planteado por las funciones paramtricas adaptables, las cuales parecen tener un mejor lugar en el modelado por computador de formas sintticas y no en la reconstruccin de modelos mediante muestras de su supercie. No obstante, el hecho de ofrecer condiciones ajustables de continuidad y diferenciacin, la posibilidad de medir el error de ajuste y la capacidad de deformacin suave hacen de la reconstruccin por medio de supercies B-Splines un tema actual, apasionante y en ciertas aplicaciones ms adecuado que las reconstrucciones trianguladas primitivas [29, 30, 9, 31].

10 No se encontraron en la literatura trabajos que abordaran la reconstruccin mediante funciones NURBS de vistas parciales de objetos tridimensionales teniendo en cuenta el mapeo de bordes irregulares y agujeros. Los mtodos reportados analizan solo modelos volumtricos cerrados, sin la presencia de bordes o agujeros. La metodologa de reconstruccin propuesta plantea un mtodo de parametrizacin generalizante para modelos de vistas parciales, los cuales presentan bordes irregulares y agujeros en su representacin inicial.

1.2.

Reconstruccin propuesta
La metodologa desarrollada en este trabajo se basa en la proyeccin planar de las

muestras de la supercie, por lo tanto, mediante el mtodo propuesto solo es posible reconstruir vistas parciales de modelos tridimensionales, los cuales pueden contener agujeros en su representacin triangulada inicial. Es decir, modelos abiertos, no cerrados que puedan ser mapeados en un plano.

Figura 1.2: Metodologa de reconstruccin propuesta

La gura 1.2 ilustra el diagrama de bloques general del proceso de reconstruccin propuesto

11

1.3.

Consideraciones
Los procesos de adquisicin y registro de imgenes de rango derivan en un conjunto

de puntos en el espacio (nube de puntos). Dicho conjunto contiene la informacin implcita de la supercie del modelo a reconstruir, sin embargo, si no se cuenta con informacin adicional sobre la escena en los procesos precedentes, la nube de puntos resultante es totalmente desordenada.

Debido a que la parametrizacin mediante funciones NURBS requiere un ordenamiento riguroso de los datos y una disposicin matricial de los mismos, se adoptaron varios de los enfoques de las metodologas analizadas en la literatura. Por ejemplo, partir de un modelo inicial triangulado; emplear el mtodo de triangulacin de Delaunay para generar vecindarios cuadrilaterales y emplear un esquema simplicado de funciones NURBS con una expansin uniforme en sus funciones base (ver Anexo A).

Se emplearn funciones paramtricas NURBS, las cuales han sido empleadas en varios de los enfoques revisados en la literatura debido a que mediante estas es posible generar aproximaciones suaves y continuas de supercies de forma libre. Adems, su alto grado de adaptacin permite crear representaciones exibles, deformables y ms livianas, las cuales a su vez son compatibles con paquetes grcos de alto desempeo como el OpenGL o programas de modelado avanzado como el 3ds Max. Adicionalmente, la forma racional de las funciones NURBS permite una adaptabilidad local mayor con respecto a funciones paramtricas primitivas como las B-Splines, G-Splines o Bezier.

Captulo 2

Particionamiento Cuadrilateral de Vistas Parciales

Como se mencion anteriormente (ver seccin 1.2), la reconstruccin de un modelo til mediante funciones B-Splines, requiere la introduccin de una red de parches ensamblados de forma adecuada para poder representar la supercie cambiante de modelos de forma libre. Debido a esto, se hace necesario particionar el conjunto de datos inicial de alguna forma, con el n de reconstruir el modelo a trozos mediante funciones NURBS.

El proceso de particionamiento propuesto es generalizante y se puede aplicar a modelos de forma libre con la siguientes restricciones. Las representaciones deben ser vistas parciales de objetos de forma libre que puedan ser mapeadas hacia un plano; la disposicin de los puntos en el conjunto de datos puede ser totalmente desordenada. La triangulacin inici8al del modelo a reconstruir debe ser correcta, y no debe contener tringulos aislados.

2.1.

Antecedentes
Existen diferentes enfoques de particionamiento reportados en la literatura. En to-

dos ellos se hace evidente la necesidad de vecindarios adecuados (cuadrilaterales) para la 12

13 adaptacin de funciones B-Splines [32], esto debido al condicionamiento de una disposicin matricial ordenada de los datos (ver anexo A.4.2).

Lee, S y Tan, H [33] afrontaron el problema de la agrupacin de puntos no organizados en vecindarios cuadrilaterales para la disposicin de supercies paramtricas [9]. Su aproximacin consiste en la formulacin de matrices de mezcla para el ajuste de parches Bezier (ver Anexo A) en vecindarios aislados no cuadrilaterales.

Figura 2.1: Vecindario cuadrilateral polidrico

La Figura 2.1 ilustra un vecindario aislado no cuadrilateral.

El modelo de Lee, S y Tan, H presenta una formulacin matemtica compleja, extensa y poco prctica, debido a que las matrices de mezcla deben ser recalculadas para cada vecindario aislado extraordinario con n (n = 4) lados. Por su complejidad y su mnima adaptabilidad, el uso prctico de esta aproximacin est lejos de ser el mejor en un esquema de reconstruccin generalizante.

Charles L [20] propone una tcnica de particionamiento de modelos sintticos cerrados, mediante la cual se generan vecindarios cuadrilaterales sin la presencia de caras aisladas con n lados (n = 4). La particin del modelo es generada a partir de una reconstruccin inicial M0 , la cual es renada mediante un proceso geomtrico que combina un

14 vrtice y las caras adyacentes a este en M0 , para obtener una nueva representacin M1 .

La reconstruccin de Loop se aplica a modelos simplicados generados por computador y no es til para objetos del mundo real rastreados por un sensor de rango, adems, la complejidad de su mtodo de parametrizacin es considerable debido a que aplica funciones Splines con diferentes grados para garantizar la continuidad C l (ver seccin 4) en las fronteras de los vecindarios [20].

Figura 2.2: Reconstruccin de Loop, tomado de [20]

En la Figura 2.2 se aprecia la particin renada y la reconstruccin resultante del mtodo de Loop. Las zonas de la imagen azules y amarillas corresponden a Splines con parches Bezier curticos, las zonas rojas y verdes a Splines con parches Bezier cbicos y las zonas grises a parches Splines bicuadrticos (ver anexo A). Como ya se mencion, este mtodo es til slo en modelos sintticos los cuales estn totalmente caracterizados, adems el hecho de emplear colecciones diferentes de funciones Splines para garantizar la continuidad entre los parches inuye en la complejidad de procesos posteriores como la optimizacin.

15 Al igual que en los trabajos anteriores, Hoppe propone un mtodo de particionamiento cuadrilateral para la parametrizacin del modelo. A partir de la nube de puntos original, se genera una reconstruccin poligonal inicial M0 que est basada en sus trabajos previos de distancia signada y cubos marchantes [11, 12, 13]. Esta reconstruccin inicial es particionada en vecindarios irregulares mediante el algoritmo de Voronoi, al cual se le aplica la triangulacin de Delaunay con la restriccin de un nmero par de tringulos que garantiza el apareamiento [25, 7]. Finalmente, la base triangular es apareada para construir el particionamiento cuadrilateral del modelo [26].

(a) Reconstruccin M0

(b) Particin Voronoi

(c) Delaunay

(d) Base Cuadrilateral K

Figura 2.3: Particionamiento cuadrilateral de Hoppe, tomado de [17]

La gura 2.3 muestra el proceso del particionamiento cuadrilateral de Hoppe, en la gura 2.3(a) se aprecia la reconstruccin inicial M0 , las guras 2.3(b) y 2.3(c) muestran la

16 particin de Voronoi y la triangulacin de Delaunay del modelo respectivamente. En la gura 2.3(d) se aprecia la particin cuadrilateral nal. El enfoque de particionamieto de Hoppe presenta diversas ventajas. Su estructura base siempre es un cuadriltero y su proceso puede ser renado para generar una concentracin mayor de vecindarios en las zonas con mayor curvatura. Sin embargo, su mtodo se aplica solo a modelos cerrados sin agujeros o bordes irregulares.

Otros autores como In Kyu Park [18, 19] emplean algoritmos de clasicacin para generar una red de cuadrilteros sobre la supercie de la nube de puntos. Este tipo de segmentacin emplea modelos basados en mtricas de distancia espacial entre los datos, los cuales no tienen en cuenta la conectividad implcita de los puntos en la supercie a representar. Todo lo anterior deriva en un particionamiento pobre, con un gran nmero de vecindarios y por lo tanto, un nmero elevado de parches. Algunas de las aproximaciones proponen la interpolacin de los datos [27], lo cual hace que el nmero de funciones paramtricas y datos en la reconstruccin total sea incluso mayor que en el modelo original.

2.2.

Geometra de los objetos

Debido a la complejidad de un particionamiento volumtrico efectivo, y a la necesi-

dad de reconstruir vistas parciales con bordes irregulares y agujeros, en este trabajo se opt por una reconstruccin de supercies mediante la proyeccin planar de los datos. Este esquema diere en gran medida con los mtodos encontrados en la literatura, ya que todos ellos se basan en la reconstruccin de modelos completos y cerrados.

Para generar un mtodo de particionamiento efectivo y generalizante que se pueda aplicar a proyecciones planares de modelos tridimensionales, es necesario analizar la geometra de los objetos y sus implicaciones. El borde irregular de este tipo de proyecciones es especialmente problemtico, debido a su forma libre (gura 2.4(b)).

17

(a) Modelo 3D

(b) Proyeccin planar

Figura 2.4: Geometra de los objetos 3D La gura 2.4 ilustra la geometra cambiante de una supercie irregular de forma libre, en este caso una vlvula industrial, la gura 2.4(b) corresponde a la proyeccin planar del modelo tridimensional de la gura 2.4(a).

2.2.1.

Disposicin matricial ordenada de las funciones NURBS

Como se mencion anteriormente, debido a la formulacin de las funciones NURBS,

los puntos de control y los pesos no slo deben estar dispuestos en una matriz (forma rectangular) sino que deben respetar un orden dado. Para entender las implicaciones de la condicin de ordenamiento de los datos en el mapeo paramtrico de las funciones NURBS se ilustra a continuacin un ejemplo en curvas planares paramtricas.

18

(a) Curva 1

(b) Curva 2

Figura 2.5: Ordenamiento de puntos de control en Splines

La gura 2.5 ilustra la importancia del ordenamiento de los puntos de control en funciones B-Splines como las NURBS. La gura 2.5(a) ilustra una curva NURBS con ocho puntos de control y diferentes pesos asociados. Al intercambiar el orden de los puntos P4 y P5 (gura 2.5(b)) se puede apreciar como la curva se envuelve sobre si misma debido al nuevo ordenamiento en los puntos de control. Las supercies NURBS se comportan de forma similar pero en ambas direcciones paramtricas, razn por la cual el ordenamiento de los datos en este tipo de funciones es de gran importancia. No obstante, el mapeo paramtrico que se puede generar a partir de una supercie B-Spline no necesariamente debe ser rectangular regular, es decir, la necesidad de una estructura matricial ordenada no implica que la parametrizacin de las funciones NURBS solo pueda ser empleada en vecindarios cuadrilaterales con ejes rectilneos.

19

(a) Regular

(b) Irregular

Figura 2.6: Mapeo matricial ordenado en vecindario irregular La gura 2.6 muestra un ejemplo de mapeo matricial ordenado en un cuadriltero con ejes rectilneos (gura 2.6(a)) y otro ejemplo con un vecindario cuadrilateral (con 4 ejes), en donde uno de los ejes (en este caso el eje inferior en color azul) no es rectilneo. Incluso en esta estructura irregular (gura 2.6(b)) es posible generar una disposicin matricial ordenada que permita el mapeo paramtrico de una funcin B-Spline al conjunto de datos que la representan.

2.3.

Proyeccin planar
La proyeccin planar de los datos simplica el problema de un particionamiento

volumtrico efectivo, pero introduce otro tipo de consideraciones que deben ser tomadas en cuenta como los bordes del modelo o las irregularidades de los objetos de forma libre. Este trabajo propone un tratamiento planar del modelo mediante el cual se simplica en gran medida el proceso de particionamiento.

Los datos del modelo a reconstruir son proyectados hacia el plano generado por la direccin normal del conjunto de puntos (o en la direccin normal promediada de la nube

20 de puntos inicial), la cual pude obtenerse durante el proceso de adquisicin. La nube de puntos a reconstruir mediante la metodologa propuesta puede estar compuesta por una o ms imgenes de rango (puntos desorganizados). El conjunto de datos inicial es rotado para que dicho plano coincida con el plano z = 0, y los datos son trasladados para que el centroide de los mismos coincida con el origen (coordenada (0, 0, 0)).

La proyeccin planar de los datos se realiza despus de los procesos de adquisicin y registro (ver captulo 1). El borde del modelo es extrado a partir de una reconstruccin inicial triangulada, ya sea por un mtodo de triangulacin volumtrico como el de Cubos Marchantes o por medio de la triangulacin planar de Delaunay [7] (ver anexo B.1).

2.3.1.

Extraccin del borde

Partiendo de un modelo inicial triangulado, se pueden extraer tanto el borde exterior

del modelo como el borde que caracteriza a un agujero.

Figura 2.7: Tringulos de borde

En la gura 2.7 se ilustra un conjunto planar de puntos triangulado. Debido a que la nube de puntos corresponde a un mapeo planar de los datos, el modelo triangulado es abier-

21 to [30]. En este tipo de modelos, los tringulos interiores (en color verde) tendrn siempre un tringulo vecino por cada eje, o sea v = 3 vecinos de ejes. En contraste, los tringulos exteriores que contienen ejes del borde tendrn menos de 3 tringulos vecinos de ejes y al menos un tringulo de ejes vecino 1 v < 3. Adems, cada tringulo que contenga un eje del borde tendr 2 tringulos vecinos que contengan ejes del borde [7].

Debido a la presencia de agujeros en el modelo pueden existir tringulos de borde que no pertenezcan al borde exterior en la reconstruccin inicial, por ello, se debe encontrar el tringulo de borde ms alejado en una de las direcciones ortogonales del plano (x o y) y a partir de dicho tringulo caracterizar el borde exterior. Partiendo de un tringulo de borde inicial, es posible encontrar 2 tringulos de borde adyacentes, y si se elige una direccin es posible encontrar el borde exterior del modelo o el borde que caracteriza a un agujero en forma ordenada.

Figura 2.8: Ejemplo de caracterizacin del borde

La gura 2.8 ilustra la caracterizacin de los bordes en una vista parcial de un modelo. El algoritmo 1 enuncia la metodologa empleada para encontrar bordes en un modelo planar triangulado.

22

2.4.

Particionamiento cuadrilateral
La metodologa empleada para el particionamiento cuadrilateral de modelos planares

est basada en el mtodo de triangulacin de Delaunay y la correcta caracterizacin de los bordes del modelo inicial.

2.4.1.

Triangulacin de Delaunay
Hoppe emplea en [17] la triangulacin de Delaunay 3D para generar vecindarios

cuadrilaterales mediante un apareamiento de tringulos, este enfoque requiere un nmero par de tringulos en el grafo de Delaunay y un algoritmo elaborado de apareamiento que evite aislar tringulos lejanos.

En este trabajo se plantea un esquema de particionamiento mediante la triangulacin planar de Dealuany en donde cada tringulo del grafo de Delaunay se divide en 3 cuadrilateros. Este tipo de particionamiento genera seis veces mas vecindarios que un modelo de apareamiento, no obstante, el hecho de que no tenga que existir un nmero par de tringulos en el grafo de Delaunay hace que la escogencia de los puntos de control para generar la particin no est restringida.

El grafo planar de Delaunay cumple con las leyes de Euler que dictan que dv de + dt = 1, donde dv es el nmero de vrtices en el grafo, de el nmero de ejes y dt el nmero de tringulos. A partir de la frmula de Euler se encuentra que:

Sea P un conjunto de n puntos en el plano, no todos colineales, y sea dk el nmero de puntos en P que se encuentran sobre la envolvente convexa de P . Entonces, cualquier triangulacin de P tiene 2dv 2 dk tringulos y 3dv 3 dk bordes.

23 Envolvente Convexa El conjunto de ejes que no pertenecen a dos caras en la triangulacin de Delaunay de P generan la envolvente convexa del conjunto planar de puntos P .

El grafo de Delaunay siempre tendr una envolvente convexa que contiene los ejes y vrtices del borde. Esta construccin ser de gran utilidad para generar los vecindarios del borde del modelo. Implementacin El algoritmo de Delaunay implementado [7] es una construccin recurrente incremental que permite encontrar la triangulacin de un conjunto planar de puntos, calculando su envolvente convexa (ver anexo B.1).

2.4.2.

Vecindarios cuadrilaterales a partir del grafo de Delaunay

Los vecindarios cuadrilaterales son obtenidos al particionar cada una de las caras

triangulares de la triangulacin de Delaunay en tres cuadrilateros.

(a) Triangulo

(b) Cuadrilateros

Figura 2.9: Vecindarios cuadrilaterales regulares

24 La gura 2.9 ilustra el particionamieto cuadrilateral generado a partir de las caras de la triangulacin de Delaunay. Cada uno de los tringulos es dividido en tres cuadrilteros, (gura 2.9(a)) los cuales son generados al partir el tringulo desde el centroide hasta los puntos medios de sus ejes (gura 2.9(b)).

Retomando la teora de euler para grafos planares se pueden calcular el nmero de ejes, vrtices y cuadrilteros de la particin. Siendo dt el nmero de tringulos, de el nmero de ejes y dv el nmero de vrtices en el grafo de Delaunay, y conociendo que cada tringulo genera 3 cuadrilteros, el nmero de cuadrilteros es qc = 3dt ; como cada eje se parte en 2, y se generan 3 nuevos ejes por cada tringulo, el nmero de ejes es qe = 2de + 3dt ; debido a que en cada eje y en los centroides de cada tringulo se adiciona un vrtice, el nmero de vrtices es qv = dv + de + dt . Entonces, al particionar cada tringulo es posible conocer el nmero exacto de vrtices, ejes y cuadrilteros generados a partir del grafo de Delaunay en el esquema propuesto.

2.4.3.

Vecindarios cuadrilaterales sobre los bordes

Para recrear la forma cambiante de los bordes en los modelos de forma libre planares

(gura 2.4(b)), se analizaron las implicaciones de la disposicin matricial ordenada de las funciones NURBS (ver seccin 2.2.1).

Al partir de una gura convexa (como la envolvente generada por el grafo de Delaunay), inscrita al interior del borde del modelo planar, se pueden trazar ejes radiales que corten el borde del modelo y permitan construir vecindarios cuadrilaterales irregulares.

La gura 2.10 muestra la proyeccin planar del modelo vlvula (ver gura 2.4(a)) con una gura convexa inscrita al interior de su borde, a partir de la cual, se generan vecindarios cuadrilaterales irregulares que contienen el borde del modelo a representar.

25

Figura 2.10: Disposicin de ejes radiales Proyeccin de Ejes Radiales Partiendo de la envolvente convexa del grafo de Delaunay, se generan ejes radiales en cada uno de los vrtices y los puntos medios de los ejes sobre la envolvente convexa.

(a) ejes angulares

(b) ejes paralelos

Figura 2.11: Ejes radiales

La Figura 2.11 muestra los dos casos posibles en la proyeccin de los ejes de la envolvente convexa hacia el borde del modelo. Para el caso de la gura 2.14(a) el vector

26 radial R estar dado por la suma reejada de los vectores V1 y V2 (R = (V1 + V2 )). En el caso paralelo, R est dado por la rotacin de uno de lo vectores V (R(x) = V1 (y) y R(y) = V1 (x)).

Cada uno de los ejes radiales es alargado para posteriormente encontrar su corte con el borde del modelo. Debido a que un eje radial puede cortar el borde del modelo en varios puntos, se escoge el punto de corte que produzca la menor distancia eucldea. Los vecindarios generados por los ejes radiales y el borde del modelo planar, aunque irregulares, son parametrizables, es decir, se puede generar una matriz ordenada que permita aplicar una funcin NURBS a un vecindario con un borde irregular.

Al igual que en el particionamiento interno del grafo de Dealunay, mediante la proyeccin de los ejes radiales, es posible calcular el nmero exacto de nuevos vrtices, ejes y cuadrilteros generados. Siendo dk el nmero de ejes y vrtices sobre la envolvente convexa del grafo de Delaunay, el nmero de nuevos ejes, vrtices y cuadrilteros es 2dk , as, el nmero total de datos est dado por: qc = 2dk + 3dt qe = 2dk + 2de + 3dt qv = 2dk + dv + de + dt Mediante la ecuacin 2.1 es posible calcular la cantidad de datos y el tamao de los arreglos en la implementacin del particionamiento cuadrilateral propuesto. (2.1)

2.4.4.

Vecindarios cuadrilaterales en los agujeros

Al igual que en el borde del modelo, para recrear la forma cambiante de los bordes

en los agujeros se gener una construccin especial que permite particionar el modelo rastreando la geometra del borde sobre sus agujeros.