基于ANN-NURBS的散乱数据点自由曲面重构

探讨了曲面三维密集散乱点数据的几何建模方法。按照先压缩后拟合的两步方法重构策略，实施基于ANN-NURBS的散乱点自由曲面重构。提出了基于人工神经网络(ANN)的散乱数据点的拓扑矩形网格重建方法并建立了神经网络模型。该模型利用神经元对曲面散乱点的学习和训练来模拟曲面上的点与点之间的内在关系，结点连接权矢量集作为对散乱点集的工程近似化并重构曲面样本点的内在拓扑关系。算例表明，该方法可实现三维密集散乱点数据自组织压缩，生成期望疏密程度和精度的矩形拓扑网格，并可有效保持原数据点集的拓扑特征，从而实现了基于NURBS的大规模散乱数据点的精确曲面重构。     

三维稀疏散乱点集的直接三角剖分新方法

给出一种三维稀疏散乱点集在三维空间直接进行三角剖分的新方法——在形成初始三角形后对它周围的离散点循环三角化．通过在剖分过程中引入两相邻三角形的最小夹角、最优点搜索半径系数和最小张角这三个剖分参数,实现了任意三维稀疏散乱点集的完全剖分以及非封闭自由曲面边界的自动识别．针对某些特殊复杂曲面上稀疏散乱点集的剖分问题提出了“分部剖分”思想：根据曲面的特征在不同区域设置不同的剖分参数．实例表明,这种直接剖分方法能有效处理任意多连通封闭和非封闭自由曲面上的稀疏散乱点集的三角剖分问题．     

由三维散乱点重建三角网格曲面方法的分类与评价

介绍了三维散乱点重建网格曲面的有关知识及发展现状,对现有的由三维散乱点重建三角网格曲面的典型算法分为三大类型,对这三类算法的特点加以深入地分析和比较,指出了各个算法的适用范围. 最后分析了由散乱点生成三角网格曲面中需要进一步研究和解决的问题.     

曲面散乱点集的组合三角剖分法

曲面散乱点集的三角剖分广泛应用于三维重建领域.为了更加快速、准确的完成曲面重建,提出了一种组合三角剖分法.此方法将整个剖分过程分为三个步骤:首先借鉴分治算法的思想将整个点集进行区域划分,以降低其拓扑结构的复杂性;之后在各个小区域内依据异侧准则、法向量夹角最大准则、域值距离准则和最小内角最大准则进行直接三角剖分;最后根据三维Delaunay空球准则进行各区域边界的连接,从而完成剖分.实验结果表明,组合法可以准确、快速的实现曲面散乱点集的三角剖分.     

基于方向角的散乱点云三角剖分算法

针对直接三角剖分困难,分片三角剖分需要人工干预,且算法效率都很低下问题,提出了高效自动的在特征基点根据方向角进行分片投影三角剖分。算法的主要步骤分为两步：首先从只有位置信息的点云中提取出邻域、矢量和形状索引信息,并利用形状索引信息得到特征基点;然后以特征基点为参考点根据方向角对点云进行分片,每个片进行特征基点切平面投影三角剖分,通过三角剖分有效性处理,连接成最终的网格曲面。实验结果表明算法可以自动高效的重叠和非重叠散乱点云,且可以有效避免曲面自交。     

基于散乱点云的快速体积计算法

三维可视化体积计算基本上都是先由散乱点云构建出表面网格模型,然后基于网格模型计算体积,存在计算量大、速度慢的缺点.针对此问题提出一种快速体积计算法,首先使用改进的增量式Delaunay三角剖分对散乱点云进行四面体剖分;然后利用K近邻计算散乱点的拟合曲面和最小生成树,得到各点的法向量;由各点法向量剔除体外四面体;最后计算各四面体体积之和从而得到总体积.实验表明,该算法不仅保证了计算准确度,而且较传统算法大大提高了效率.     

算法改进的自组织神经网络曲面重构

为提高神经网络法三角网格曲面重构的效率,提出自组织神经网络算法与模糊聚类算法相结合的 改进算法．应用改进算法对大规模散乱点云曲面及花瓶实例进行了网络训练及三角网格重建,在初次网络训 练收敛后,加入模糊聚类计算模块,由模糊聚类算法中隶属度计算来确定输入样本是否可用．与自组织神经 网络算法训练特性进行了比较,结果表明：改进后算法避免了以往算法的重复循环,减少了计算量,加快了网 络训练收敛速度和三角网格曲面重构的速度,仿真重构结果表明：改进后的自组织神经网络算法可实现不同 疏密程度的三角网格曲面重建,并可在保持原数据特征的前提下实现数据精简,较通常算法收敛速度快     

基于散乱点云的网格生成方法在Rhino平台上的实现

基于散乱点云的网格生成是在三维扫描或三维测量技术基础上进行的,其网格生成存在一定的难度。阐述了基于空间散乱点云数据的网格生成流程,介绍了空间自由形态网格划分的发展现状,并重点介绍了其算法的Rhino与GH Python实现平台,最后对基于散乱点云的网格生成技术做出总结与展望。     

3D空间离散点集三角划分的逐层收缩算法

根据离散点集所对应曲面的形态变化,采取逐层推进收缩方法,在3D空间直接对离散点集进行三角划分,生成三角网格。通过实例证明,该算法切实可行,并具有一定的优越性,对逆向工程CAD建模技术的发展具有指导作用。     

基于边特征的点云数据区域分割

为了提高反求工程建模的效率,提出了一种基于空间栅格的区域分割方法.该方法采用二次抛物面模型计算散乱数据点的曲率,利用空间栅格结构建立散乱点的拓扑关系,根据栅格中数据点与栅格中心点的相对位置计算栅格曲率以及相邻栅格间的曲率差值,由曲率差函数判别并抽取边特征栅格.通过特征栅格的空间位置与曲面栅格的连通性实现了空间散乱数据的区域分割. 工程应用实例表明: 该方法能够直接处理点云数据而无需构建三角网格,具有运算简单,稳定性高等特点.可有效解决具有曲率突变性的点云数据的区域分割及特征提取问题.