연결 정보가 없는 포인트 데이타가 주어졌을 때, 본 논문은 MLS(moving least-squares) 근사화 기법을 이용하여 포인트 데이타에 대해 근사화된 표면을 생성한다. 근사화된 표면에서의 각 포인트에 대해 지역적인 곡률과 곡률 미분 값을 측정 한 후, 딜러니 삼각화(Delaunay tessellation)를 통해 이웃간의 정보를 생성하게 되고, 연결된 포인트들 간의 제로-클로싱(zero-crossing)을 측정하여 특징 포인트들을 추출하고, 곡률 방향으로 추출 된 포인트들을 연결한다. 본 방법은 기존의 메쉬 데이타에서 특징 선을 찾는 방법과 비슷한 복잡도를 갖는다. 몇 개의 포인트-샘플 된 모델에 대해 특징 선 추출을 수행하며, 곡률의 크기에 따라 특징선의 두께를 조절하고 포인트-스플릿팅 방법에 의해 렌더링 한다.
Given an unstructured point set, we use an MLS (melting least-squares) approximation to estimate the local curvatures and their derivatives at a point by means of an approximation surface Then, we compute neighbor information using a Delaunay tessellation. feature points can then be detected as zero-crossings, and connected using curvature directions. Also this approach has a fast computation time than previous methods, which based on triangle meshes. We demonstrate our method on several large point-sampled models, rendered by point-splatting, on which the feature lines are rendered with line width determined from curvatures.
