一种基于深度学习和网格参数化的各向同性网格生成方法

本发明属于计算机图形学几何处理技术领域，具体涉及一种基于深度学习和网格参数化的各向同性网格生成方法，包括获取物体模型的三角形网格数据，采用网格参数化方法将三角形网格数据由三维空间展开到二维平面；将每一个顶点的Voronoi单元区域边界点坐标集合输入预训练的深度神经网络，得到每一个顶点的Voronoi单元区域初始采样点坐标；构建CVT能量函数并进行最小化，得到在二维平面上优化后的三角形网格数据；通过重心坐标将优化后的三角形网格数据由二维平面映射回三维空间；本发明能够保证生成网格质量同时提高运算效率。