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。     

5多边形高质量同构三角剖分的有效算法

为了使平面形状混合得到较好的结果,提出了一种新的构造2个多边形的高质量同构三角剖分的有效方法.通过加入一定数目的Steiner点生成其中一个多边形的质量较好的三角剖分,根据此三角网格中顶点之间的相对位置关系和邻接关系确定另一个多边形的三角剖分,然后利用面积均等方法和其他优化方法对同构的三角剖分同时进行优化.此算法将同构三角剖分的构造转化为一个稀疏线性方程组的求解,可以通过已有的程序库进行快速求解;同时通过约束一些对应特征点的位置,使生成的同构三角剖分具有较好的特征对应.此算法计算量小,运行效率高,对形状复杂的多边形仍然可以得到满意的结果,适合于morphing等实时性的应用要求.     

空间封闭点云的八象限三角剖分算法

提出了一种针对空间封闭点云的三角剖分算法.该算法首先根据空间封闭点云的分布特征,将其划分到三维坐标的八个象限中,使每部分点云的包角均小于180°;然后适当旋转各部分点云,使其对应投影平面面积最大化,再运用平面三角剖分方法对其进行三角剖分,从而得到各部分点云的剖分结果;最后将已处理的各部分用三角面片对其边界进行缝合,进而形成空间封闭点云的立体三角化.实验结果表明,该方法剖分速度快、形成的三角网格质量高,能够较好地再现原三维物体的表面特征.     

一种改进的区域增长三角剖分方法

传统的区域增长三角剖分方法很难保证含有尖锐边界的物体表面网格剖分的正确性,针对这一问题,本文提出一种改进的区域增长三角剖分方法。通过引入并计算边界边的权值来确定网格生长的方向,网格生长过程是由权值小的边逐步扩展到权值大的边,从而实现物体表面由＂平坦＂到＂不平坦＂的剖分过渡,并且相应的网格拓扑操作及队列更新机制保证了边界边队列的正确性。实验表明,该方法能生成反映原始物体表面形状的三角网格,并成功实现了对含有尖锐边界的物体表面的三角剖分。     

VC环境下Delaunay三角剖分算法的设计及实现

三角剖分算法在计算机图形学、模式识别等方面有重要的作用．本文以VisualC＋＋为平台实现空间离散点的三角剖分．重建方法采用的是Bowyer—Watson算法来生成Delaunay三角网,并改进了其点定位搜索策略,还提出了一种新的数据结构,提高了三角剖分程序的执行效率,最后给出了此算法在双日立体视觉中的应用．     

Hopfield网络与三角剖分

讨论了构造平面点集的三角剖分的一个简单的充分必要条件，为使用Ｈｏｐｆｉｅｌｄ网络解决最优三角剖分问题准备必要的理论基础。     

一种新的平面点集三角剖分算法

平面点集的三角剖分是计算机图形学中一个比较基本的算法,它的用途非常广泛．本文提出了一个平面点集的三角剖分算法,该方法是一种简单、实用、通用的三角剖分算法,并且给出了该算法在有限元网格中得到的剖分效果分析．     

Clough－Tocher曲面的表示

文中利用Ｃｌｏｕｇｈ－Ｔｏｃｈｅｒ三角分裂方法形成递归曲面，获得了ｎ次ＣＴ曲面表示．最后作为一种实用尝试利用ＣＴ方法构造了一种定义在空间三角剖分网格上的四次ＧＣ＇插值曲面格式．     

矢量化网格剖分算法在服装衣片图像中的应用

矢量化网格剖分是服装衣片图像的二维-三维转换和虚拟服装设计的基础工作之一.在传统的网格生成和剖分算法基础上,提出了一种适合于服装衣片图像的多边形网格剖分算法;重点论述了网格划分、质点的生成过程和三角网格连接算法.算法仿真结果表明,该算法具有边界清晰、失真度小、自适应强和自动化程度高等特点,适合于任意形状的服装衣片.     

三角剖分上样条空间维数的新描述

用blossom方法对三角剖分上样条空间的维数做了新的描述,对影响维数的因素做了深入探讨.     

二维有限元网格全自动生成方法——AFM法

研究任意二维平面多连接区域内点生成及ＡＦＭ三角化算法，引进形状因子使形成的三角形网格形状达到近优。实例及特性表明所提出的算法可靠、有效且易实现二维ＣＡＤ／ＦＥＭ一体化。     

基于DSA和FEM的电器绝缘结构自动优化设计

在二维静电场有限元分析的基础上,推导了基于最速下降法的设计变量灵敏度公式和伴随变量公式．基于现有的Delaunay三角剖分技术,采用Swapping Algorithm更新有限元网格．最后将有限元方法、基于最速下降法的灵敏度计算及网格更新算法有效结合,用于110kV GIS用光纤电流互感器绝缘结构的自动优化设计．结果表明,该方法非常有效．     

一种高性能二维有限元网格剖分软件

在通用有限元软件中,网格自动剖分是一个必不可少的重要组成部分。作者基于改进的 Delaunay剖分算法,研制了一种高性能二维有限元三角形网格剖分软件 TRIANG2D。在研制过程中,作者改进了利用加权平分法设置内部节点的方法;提出了两种单元形状修正措施;利用插值法解决了任意曲线边界场域的剖分问题。TRIANG2D 适用于任意复杂的平面场域,具有通用性强、输入数据少、使用方便的特点和剖分网格疏密连续过渡、单元形状理想等优点。     

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．     

采用SOM算法的软体机械臂三维形状实时感知

为实现软体机械臂精确的三维形状实时估计,奠定变形控制与应用的基础性工作,针对三段式软体机械臂,提出了一种基于自组织映射(Self-organizing map, SOM)算法的三维空间形状实时感知方法。首先,对ZED双目相机捕捉到的左、右图像帧进行图像预处理,得到左、右二值图像,并实时提取软体机械臂的二维轮廓数据。然后,采用SOM算法对轮廓数据进行聚类,有序得到软体机械臂二维中心线的多个骨干点,并与K均值,高斯混合模型以及细化3种中心线提取算法进行了对比研究,进一步表明SOM算法更适用于解决软体机械臂复杂形状的中心线辨识。最后,通过基于双目视差的三角测距模型完成软体机械臂的三维形状重构。该算法还采用数据降采样、SOM参数优化等方法,提高算法框架的实时性能。针对软体机械臂连续形变过程,进行了实时形状传感实验和对比验证实验。实验结果表明,该算法具有较高的形状感知精度和较好的实时跟踪效果。不仅如此,与其他文献中提出的形状检测算法相比,该算法也具有较好的性能。     

光栅投影三维轮廓测量技术分析及进展

对于漫反射物体的轮廓测量的光学投影式轮廓测量技术，根据不同的测量方法和条纹图像分析技术可以大致分为两种：直接三角法和相位测量法，以相位测量法中的光栅投影法为重点，介绍了其测量原理和关键技术，如傅里叶变换法、解包裹、系统标定等，并分析了其研究热点与发展方向。     

改进Delaunay三角剖分算法

针对传统Delaunay算法对非凸三维曲面剖分结果不理想,提出了基于凸划分的改进Delaunay三角剖分算法．研究了复杂曲面剖分的特性,定义了非凸集合凸划分定理,对任意曲面相对投影平面进行划分．利用一组正交平面对任意复杂曲面的划分,通过变换域对曲面进行了Delaunay三角剖分．实验结果表明,改进算法能够在正交平面对头面数据集合进行正确凸划分,在投影平面改进Delaunay三角剖分结果正确,鲁棒性明显增强,并与理论分析一致,验证了改进算法的正确性和有效性．     

一种基于Graham三角剖分生成Delaunay三角网的算法

目的提出一种基于Graham三角剖分生成Delaunay三角网的算法,加快Delaunay三角网的生成速度.方法首先按Graham扫描法对平面散乱点集进行排序,然后将排好序的点通过可见点的判断连接成Graham三角网,最后利用拓扑结构快速进行优化,使其成为Delaunay三角网.结果通过500至10000个点的测试,表明这种基于Graham三角剖分生成Delaunay三角网的生成速度快于传统基于凸包生成Delaunay三角网的生成速度.结论采用可见点表的数据结构以及利用点、边、三角形的有序性的特点构建Delaunay三角网,是提高建网速度的关键.     

Delaunay三角剖分的快速重建算法

本文描述了一种Delaunay三角剖分的快速重建算法,用以节省三角网格存储和传输时间.该算法既可以在基于均匀网格的Delaunay三角化过程中,直接生成点集序列,也可以推广到其他Delaunay三角剖分方法的输出结果,在O(n)的时间内生成点集序列.简单遍历这个点集序列就可以在O(n)的时间内重建Delaunay三角剖分.与以前的算法相比,该算法具有重建操作简单、执行速度快、拓扑信息完全隐藏在点集序列中、不需要增量插入操作等特点.     

三维重构中一种快速全局最优算法

在机器视觉中,三维重构是一个重要问题。基于无穷范数表示的误差函数已经证明可以获得全局最优,但是计算速度很慢。基于二范数的最小二乘法速度虽然很快,但因为误差函数是非凸的,所以无法在理论上证明获得的结果是全局最优的,即使是通过二分迭代等方法,往往也只能获得一个局部最优。文中提出一种判定策略,通过对二范数表示的误差函数的Hessian矩阵进行计算,判断最小二乘法获得的局部最优是否是全局最优。因此在三维重构中,可以先用最小二乘法求解,如果误差函数Hessian矩阵为正则结果是全局最优否则调用无穷范数方法重新求解全局最优,这样既保证了精度又加快了计算速度。实验证明该算法是可行的。