我有一个项目需要根据复杂性对 3D 模型进行分类。
我所说的“复杂性”，例如，现代风格的家具3D模型复杂度较低，而皇家风格家具的3D模型复杂度很高。
所有 3D 模型都是网格类型。我只需要非常粗略的估计，可靠性要求不高，但大多数时候应该是正确的。
请指导我采用哪种方式或用于此目的的算法（不基于顶点数）。
如果我们可以在 Meshlab 内部处理是最好的，但任何其他来源也可以。
谢谢！
【问题讨论】：
让我们考虑一个球体：它看起来很简单，但它可以由许多顶点组成。我不认为计算顶点数可以很好地估计复杂性。球体的顶点几乎没有变化。
让我们考虑一下旧家具与简单现代家具：旧家具可能有许多不同的顶点，但它们的组织并不“简单”。
我建议衡量复杂性以考虑：
到目前为止一切顺利。但我们是通过计算全局复杂性得出的。如果使用相同的边和顶点集，我们对它们进行排序并构建以单调方式变化的东西会怎样？是的，我们还需要考虑局部复杂性：比如有限空间块中的复杂性。
一种算法正在形成：
你可以想象通过调整空间分割的大小来考虑多个尺度，每次计算集合，最后相乘或相加。
我认为你得到了一些有趣的东西。问题是这个算法非常接近一些方法来估计分形对象的维度。
【讨论】：
3D模型由顶点组成，顶点通过边连接在一起形成面。从计算的角度粗略衡量复杂性是计算顶点或面。
这种方法在尝试对两把椅子进行分类时失败了。完全有可能拥有比豪华椅子更多顶点和面的简单椅子。
为了解决这个限制，我会将相邻的面与全等的法向量合并。如果面共享 1 条边并且具有全等的法向量，则可以说它们彼此是平面的。这将具有简化 3D 模型的效果。在此操作之后，简单对象的顶点/面数应该比更复杂的模型少。至少在理论上。
我确定这个算法有一个名字，但我不知道。
【讨论】：