基于NURBS曲面拟合的三角网格曲率计算

针对三角网格提出了一种基于NURBS曲面拟合的计算Gauss曲率和平均曲率的算法。首先选取边界检测后的二阶邻点作为局部拟合数据,采用直接投影法实现参数化,由二次NURBS曲面进行最小平方拟合反算控制点矩阵,最后由拟合曲面计算曲率。并从三角网格分辨率和噪声两方面进行了比较,实验结果表明本文算法精度高、较其他算法稳定,因而更具通用性。     

一种NURBS曲面拟合精度的量化评测算法

曲面重构是逆向工程中的核心技术之一,由于NURBS曲面在光顺性和局部可编辑等方面所具有的优点,使其成为点云数据自由曲面重构的常见形式。目前对NURBS曲面重构技术的研究上取得了一些成果,但各方法在拟合精度和效果上各有参差,因此有必要对NURBS曲面拟合精度评价算法进行研究。在采用NURBS实现曲面拟合的基础上,对拟合精度的量化指标进行研究,设计了一种基于区域划分的搜索迭代算法,可快速地计算得到原始点云与NURBS曲面的偏差。     

NURBS曲面上积分曲率线的B样条表示

对NURBS曲面的曲率线的积分进行了系统的公式推导，并利用NURBS曲面的离散法向量有效地简化了曲面第二基本量的计算，加速了Euler法迭代求解曲率线微分方程的过程；在求得曲率线上的离散点集以后，应用奇异混合插值技术，在可控精度内把曲率线用显式直接表示为位于NURBS曲面上的B样条曲线．文中的思想与算法有助于曲率线技术在计算机辅助几何设计及曲面造型中的使用与推广．     

NURBS曲面重构方法在板料模面修型中的应用

给出汽车覆盖件成形过程中处理回弹影响的NURBS曲面几何补偿算法。该算法基于NURBS曲面重构技术,依据有限元网格模型的回弹数值仿真结果对原本用NURBS曲面表达的模具型面进行反向位移补偿修整,使修整后的模具型面仍然保持NURBS曲面表达。并且这些曲面在光滑性、精度等方面都满足工程实际要求的品质。     

基于蚁群的数据点NURBS曲面快速拟合研究

研究数据点的NURBS曲面拟合问题,提高拟合速率。针对所要拟合的数据点分布散乱,传统的基于遗传算法多次迭代,造成曲面拟合速率不高的问题。为解决上述问题,提出一种基于蚁群的数据点NURBS曲面拟合算法。通过采用蚁群寻址算法搜索出控制顶点和边界数据点集,计算曲面的权因子后完成NURBS曲面的拟合,并使用蚁群算法对拟合曲面进行优化,避免了传统方法多代遗传迭代造成的拟合速率不高的问题。实验表明,这种方法能够快速完成散乱数据点的NURBS曲面拟合,并且具有一定的拟合效率,取得了满意的结果。     

从点集重构曲面网格方法综述

本文主要对三维数据点重构曲面网格模型方法进行了综述。从三维数据点集重构曲面一般遵循以下三个步骤:1)重构曲面网格模型;2)网格简化;3)拟合曲面(通常为Bezier,NURBS),其中重构曲面网格为关键的一步;三维数据点集由三维数字化仪采集得到,不同的数字化设备,得到的三维数据点集可能会有差别,重构曲面网格的算法也不尽相同。本文介绍了几种对于不同数据形式、有代表性的重构曲面网格算法。     

从点集重构曲面网络方法综述

本文主要对三维数据点重构曲面网格模型方法进行了综述。从三维数据点集重构曲面一般遵循以下三个步骤：1）重构曲面网格模型；2）网格简化；3）拟合曲面（通常为Bezier,NURBS),其中重构曲面网格为关键的一点，三维数据点集由三维数字化仪采集得到，不同的数字化设备，得到的三维数据点集可能会有差别，重构曲面网格的算法也不尽相同，本文介绍了几种对于不同数据形式，有代表性的重构曲面网格算法。     

反向工程中NURBS曲面CAD重构技术研究

CAD几何模型重构技术是反向工程RE(Reverse Engineering)技术的核心,NURBS(Non-Uniform Rational B-Splines)方法因其表示法的形状控制灵活性,在曲面造型和曲面重构中具有重要作用.针对CAD曲面重构技术进行研究,并对NURBS曲面重构提出一种新的构建方法,将每个数据点相对应的有理基函数的参数值最大化,所得函数值作为数据点的参数值来构造NURBS参数曲面.最后通过实例证明了该方法的有效性.     

改进的圆角特征识别与抑制方法

提出了一种利用圆角面截面线曲率特性识别圆角特征的改进方法.该方法首先识别出圆角面和点过渡面,然后将相邻圆角面和点过渡面组成圆角特征,并对圆角特征中包含的所有面进行整体抑制.通过曲面延伸求交计算圆角特征抑制后新模型的点、边几何信息,并调整相应的拓扑关系重构新模型.该方法扩展了现有方法的适用范围,支持含有自由曲面的实体模型中的等半径、变半径圆角特征的识别和抑制.实验结果表明所提出的方法有效可行.     

基于神经网络的NURBS曲面重建

曲面重建是CAGD中的重点研究课题,而神经网络具有很好的非线性逼近能力,文中将二者结合,给出了一种利用神经网络将三维数据点拟合为NURBS曲面的方法.提出的前馈型神经网络包含四个隐层,其中一层的激活函数为B样条基函数.由数学推导可知,该网络可以表达NURBS曲面,通过对控制顶点及其权重的学习,可以用该网络来重建NURBS曲面.权值的调整通过误差反传与梯度下降法实现.实验结果表明,文中提出的方法是可行的.