1、“.....产生了点匹配数据及网格数据。但是该种方法在实际的使用过程中也会受到较大的限制，不能应用于模型数据中，模型中会产生大量的网格数据，降低了网格数据的运行效率。因此，需要加大对算法中自动点匹配算法的应用力三维模型流网格数据压缩技术的研究论文原稿程中，直到消除掉误差。在利用算法对网格流数据进行顶点标号匹配时，对第次迭代进行匹配，通过算法能够得到平移向量及旋转矩阵，确保两者相匹配，导致两点在网格模型中的顶点......”。

2、“.....具有很高的压缩率，降低了数据误差。参考文献李海生，刘成，蔡强，曹健维模型网格数据压缩技术研究系统仿真学报，金伟祖，潘伟龙基于网格分割的维模型轻量化算法及构建实验室科学，。目的。通过运用压缩过滤算法，能够得到压缩后的数据，对数据进行调查分析显示，数据信息中的刚性部分存在明显的特征点，节省了网格流数据的空间。结语维模型数据中的压缩处理技术在生活及生产中被广泛应用，在对维网格流数据进行分析时过滤思想的网格流数据压缩算法按照横向聚类方法，将缓冲窗口中的网格流数据聚为个簇......”。

3、“.....网格数据流于簇内之间的距离较为相近。需要运用第重基于局部坐标框架中的纵向聚类方法，将簇中的网格数据提取出来，需找到种子角形及相对应的局部坐标系。种子角形的的选择步骤为计算网格图形中的几何坐标位置将离网格最远的顶点作为第个种子观察网格图形中的顶点，对顶点距离进行计算提取种子顶点中的种子角形。其次，构建局部坐标框架。以坐标系选择步骤为计算网格图形中的几何坐标位置将离网格最远的顶点作为第个种子观察网格图形中的顶点，对顶点距离进行计算提取种子顶点中的种子角形。其次，构建局部坐标框架。以坐标系为基础......”。

4、“.....实现角形种子过滤思想对数据进行压缩处理。通过不断实践的过程，完成了对整个压缩方法的有效验证，说明压缩处理技术在维模型数据中具有良好的应用效果，具有很高的压缩率，降低了数据误差。参考文献李海生，刘成，蔡强，曹健维模型网格数据压缩技术据进行过滤压缩，需要做好关键帧数据的传输及储存工作，过滤掉些冗杂信息，来达到节约储存空间的目的。通过运用压缩过滤算法，能够得到压缩后的数据，对数据进行调查分析显示，数据信息中的刚性部分存在明显的特征点......”。

5、“.....对种子对应点进行合理分类，实现角形种子顶点的初始化。要任意选取网格面上的条边，将局部坐标上的点固定在条边上，沿着边对轴定义，确保轴与轴保持垂直状态，轴垂直于轴和轴，实现对坐标系上点的互相转换。压缩处理，各项压缩工作建立在离线基础上。将数据压缩技术应用到维模型网格中，展现出了良好的应用效果，将其进行压缩，以此来降低存储空间。网格流数据的纵向聚类方法首先，要合理选择种子角形。明确轴轴轴及圆心的位置，在网格，确保两者相匹配，导致两点在网格模型中的顶点......”。

6、“.....过滤思想的网格流数据压缩算法按照横向聚类方法，将缓冲窗口中的网格流数据聚为个簇，确保每个簇中都有个关键帧，网格数据流于簇内点的初始化。要任意选取网格面上的条边，将局部坐标上的点固定在条边上，沿着边对轴定义，确保轴与轴保持垂直状态，轴垂直于轴和轴，实现对坐标系上点的互相转换。维模型中的网格数据需要采用压缩型方法，需要对单帧网格数据进行究系统仿真学报，金伟祖，潘伟龙基于网格分割的维模型轻量化算法及构建实验室科学，。网格流数据的纵向聚类方法首先，要合理选择种子角形。明确轴轴轴及圆心的位置......”。

7、“.....种子角形的的空间。结语维模型数据中的压缩处理技术在生活及生产中被广泛应用，在对维网格流数据进行分析时，需要充分利用帧与帧之间的相关性，对压缩算法进行计算分析，需要做好网格流数据压缩前预处理对于大规模的数据信息要做好重聚类分析，运用间的距离较为相近。需要运用第重基于局部坐标框架中的纵向聚类方法，将簇中的网格数据提取出来，需要将角面与刚性部分中的顶点全部聚类到同簇内。在运用过滤思想对网格流数据压缩进行计算时，主要是采用过滤思想压缩方式......”。

8、“.....找出两组数据中的对应点集，计算出坐标中存在的误差。将新点集带入到下次跌代过程中，直到消除掉误差。在利用算法对网格流数据进行顶点标号匹配时，对第次迭代进行匹配，通过算法能够得到平移向量及旋转矩阵初始对应点选择，主要是运用匹配形变方法，产生了点匹配数据及网格数据。但是该种方法在实际的使用过程中也会受到较大的限制，不能应用于模型数据中，模型中会产生大量的网格数据，降低了网格数据的运行效率。因此，需要加大对算，确保网格流数据中帧与帧之间点标号匹配的正确性......”。

9、“.....由帧帧共同来构成，通过数据图形能够看出，帧与帧之间存在着较强的关联性，在时间排序上较为接近。三维模论文原稿。网格流数据压缩前预处理顶点标号匹配问题维重构通过维模型数据流产生的维网格流数据主要有两种网格数据中的顶点标号是对应的。网格流数据中的顶点标号不是对应的。网格点配主要是通过人工来进行初始对应点选择，主要是运用算法的顶点标号匹配算法作为种维匹配算法，通过迭代运算的形式，来实现点云之间的最佳匹配，目标点的选取主要集中在参考点中，加大数据收集及整理......”。