朱天晓

（上海工程技术大学电子电气工程学院， 上海 201620）

0 引 言

随着计算机视觉、三维扫描等技术的发展，三维网格模型被广泛应用于虚拟现实、影视动画等领域。三维网格模型分割是计算机图形学的重要研究点，也是互联网上模型检索、模型生成等技术的基础。三维模型精度越来越高，数据量不断增长，大大增加了分割难度。

三维网格模型分割（简称网格分割）是根据一定分割规则，将连通的网格模型分解为一组数目有限的面片集的过程。 网格分割按照不同的标准有不同的分类。 按照分割结果的不同，Rodrigues 等［1］将网格分割方法分为面片分割和部件分割，前者将网格分割成若干几何属性一致的面片集，后者将网格分割为符合人类视觉划分效果的若干部件。 按照分割方式的不同，龚思洁等［2］将现今主流的分割方法分为3 类：第一类是根据模型几何特征将模型表面具有相关性的面片合并为一类，如聚类分析法；第二类是基于最小值原则，在模型表面构建分割线，将模型拆分为多个部分；第三类是深度学习方法，通过构建深度学习网络，进行有监督学习。 深度学习方法通常对机器性能有很高的要求，此外获取优质数据集也是一个难题，因此很多研究集中在前两种方法上，计算量相对较小。 龚思洁等［2］提出能量和区分度两种模型特征用于寻找分割点，并使用腐蚀算法、最小能量原则构造分割线，得到了精度较高的分割结果，但算法耗时较长；……