Modélisation Géométrique

Ce cours offre une introduction aux différentes techniques de modélisation géométrique 3D utilisées dans les applications de Conception Assistée par Ordinateur (CAO). Il vise à fournir aux étudiants les connaissances nécessaires pour choisir les modèles appropriés en fonction des besoins spécifiques et des applications.

1. Introduction à la modélisation géométrique

   • Présentation des différentes techniques de modélisation géométrique 3D.
   • Importance et motivation pour l'étude des modèles 3D.

2. Espaces de points

   • Compréhension des points comme éléments de base des courbes, surfaces et volumes.
   • Structure algébrique des points.
   • Introduction aux modèles discrets définis par des ensembles de points 3D [ModelGeom-14.pdf].

3. Modèles paramétriques - Surfaces

   • Bases de la géométrie différentielle.
   • Courbes et surfaces en modélisation paramétrique.

4. Modèles discrets - Nuages de points

   • Systèmes de particules et modèles basés sur les points.
   • Techniques de rendu utilisant des splats, ellipses et mélanges gaussiens [ModelGeom-14.pdf].
   • Analyse des nuages de points : MLS (moindres carrés mobiles) et APPS (surfaces d'ensemble de points algébriques).

5. Maillages

   • Maillages de surface et maillages volumiques.
   • Maillages tétraédriques et hexaédriques pour les simulations.

6. Modèles basés sur les points

   • Avantages et applications des modèles basés sur les points.
   • Modélisation d'objets flous comme le feu, la fumée et les nuages [ModelGeom-14.pdf].

7. Exercices pratiques et projets

   • Développement de logiciels permettant aux artistes de créer des objets 3D de manière interactive.
   • Choix des représentations géométriques et structures de données appropriées.

• Labs et Projets :
  • 3 labs
  • 1 projet

• Labs : Exercices pratiques pour appliquer les concepts théoriques.
• Projet : Développement d’un logiciel pour créer et modifier des objets 3D.

• Divers livres, documents et références seront fournis tout au long du cours pour lecture complémentaire.
• Paramétrique : Ron Goldman, Pyramid algorithm