基于快速Delaunay三角化的散乱点曲面重建算法

针对现有三维重建算法速度较慢的问题,提出了一种基于快速Delaunay三角化的散乱数据点的三维重建算法。首先,提出一种新的平面Delaunay三角化插入点目标三角形定位算法,利用插入点的方向搜索线与三角形是否相交以及交点个数加速目标三角形定位,不用额外判断点是否在三角形内;其次,自动检测曲面漏洞,利用凸壳的边界拼接方法进行漏洞弥补。实验结果表明,本算法不仅能较好地重建出三维模型,而且有较高的效率。     

一种有效的散乱数据点云三角剖分算法

本文使用的算法充分利用邻近点集反映出的局部拓扑和几何信息,基于二维Delaunay三角剖分技术快速地实现每个数据点的局部拓扑重建。本算法的运行效率高,且思想简单易于实现;输出结果为最常用的三角网格表示,适用于任意拓扑结构的物体和各种类型的散乱数据点云对象,允许数据点集的分布具有一定的不均匀性。     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

实现平面上散乱数据点三角剖分的算法

本文针对传统剖分方法的不足，基于轨迹生成和边界裁剪等技术，提出了实现包含若干内孔的复杂多边形区域内散乱数据点自动三角剖分的新方法，并给出用此法进行三角剖分若干实例。     

散乱点云的快速增量网格重建算法

散乱数据的网格重建是数字几何处理的基础性技术之一.本文提出一种快速增量式散乱点云网格重建算法,运用波前( Wave Front)方法渐进地由点云数据生成物体表面的网格模型.该算法以一个”种子”三角形初始化搜索队列,以逐渐生成的新边为搜索元素,借助Kd-树空间划分技术和搜索约束条件,快速完成优化点的评估及三角面片重建,可在保证网格质量的同时,过滤部分对重建效果意义不大的点.实验表明,该算法能够高效、可靠地生成具有不同几何复杂度的原始曲面二维流形三角网格逼近,适用于海量数据点的网格重建.     

散乱点的快速曲面重建方法

空间散乱点的曲面重建有着广泛的应用前景,是当前国际上的研究热点之一,Crust算法是一种基于计算几何中的Voronoi周期图的曲面重建算法,它算法简单,重建结果精细,但是由于计算量太大,其应用受到了限制,为此提出了一种依据采样点的局部特征尺度对原始采样集进行不均匀降采样的方法,在保证采样集能够满足重建要求的前提下,使参与重建的表面点数大为降低,减少了重建算法的计算量,从而提高了重建的速度,这一方法还可以应用于网络简化,通过剔除某些顶点达到简化之目的。     

稠密散乱数据点多分辨率曲面重构

将曲面重构看作是一种信号重构过程,针对大量散乱数据点,借助成熟的三角网格划分和网格化简算法,利用提升小波变换实现曲面重构,可以快速地构造出复杂拓扑结构的Calmull-Clark曲面;给出了小波系数估算方法以及基于网格拓扑结构的局部最优路径搜索算法．通过运行实例证明了文中算法的有效性．     

基于边界检测的三维散乱点快速曲面重建算法

针对Power Crust算法提出一种带边界检测的不均匀降采样算法。曲面重建前先通过该算法减少参与运算的采样点,表面特征丰富的区域削减的采样点数远小于特征不丰富的区域,再进行曲面重建。通过实例表明该算法大大加快了散乱点数据的重建速度,而且很好地保持了模型表面的特征,能够较为真实地重建出曲面模型。     

基于CAD模型的3D散乱数据点三角剖分方法

提出了一种针对空间大规模散乱数据点三角剖分的方法。该方法基于可用的CAD模型,采用“分而治之”的思想。对齐测量数据点与CAD模型、记录数据点及在CAD裁剪NURBS曲面实体上投影点。分别对每块实体的参数区域(u,v)相应点2D-Delaunay三角化、根据R2区域的连通结构反构造出3D三角网。进行冗余三角形删除和网格片缝合等优化处理。与其他方法不同的是,它不受测量数据的分布方式和物体曲面形状的拓扑结构限制。实际的算例结果表明,该方法高效且可靠实用。     

散乱数据点的细分曲面重建算法及实现

提出一种对海量散乱数据根据给定精度拟合出无需裁剪和拼接的、反映细节特征的、分片光滑的细分曲面算法．该算法的核心是基于细分的局部特性,通过对有特征的细分控制网格极限位置分析,按照拟合曲面与数据点的距离误差最小原则,对细分曲面控制网格循环进行调整、优化、特征识别、白适应细分等过程,使得细分曲面不断地逼近原始数据．实例表明：该算法不仅具有高效性、稳定性,同时构造出的细分曲面还较好地反映了原始数据的细节特征。     

一个利用法矢的散乱点三角剖分算法

曲面上散乱点的三角剖分在曲面重建中发挥着重要作用,借助于曲面上的法矢信息和三维Delaunay三角剖分算法,该文给出了一种新的散乱点三角剖分算法,输入一组散乱点以及所在曲面S在这些散乱点处的一致定向的法矢信息,该算法将产生一张插值散乱点的三角网格曲面M,并且曲面M可以近似地看成是曲面S的三角剖分,算法的主要步骤分为两步：首先通过曲面S的一致定向的法矢信息,在曲面S的同一侧添加辅助点,利用这些辅助点来剔除Delaunay三角剖分中产生的不需要的三角片;然后将剩余的三角片连接成一张完整的网格曲面,与基于中轴的三角剖分算法相比,该文算法需要更少和更简单的计算,与局部三角剖分算法相比,该文算法可以更有效地避免重建后的曲面产生自交,该文的算法可用于任意拓扑的光滑曲面重建。     

基于无组织结构数据集的三维表面重建算法

三维表面重建技术具有广泛的应用前景,通用高效的重建算法是迫切需要研究的课题之一。由于三维点集分布不均匀,目前通用的基于无组织结构数据集的重建算法欠缺稳定性,应用范围受到了限制。文中提出了分布不均匀补偿的近邻点确定算法,提高了算法的稳定性和可靠性,扩展了基于无组织结构数据集表面重建算法的应用范围。实验表明通过分布不均匀补偿的离散数据集三维表面重建算法具有很好的重建效果。     

基于曲面局平特性的散乱数据拓扑重建算法

提出了一种基于曲面局平特性的,以散乱点集及其密度指标作为输入,以三角形分片线性曲面作为输出的拓扑重建算法.算法利用曲面的局平特性,从散乱点集三维Delaunay三角剖分的邻域结构中完成每个样点周围的局部拓扑重建,并从局部重建的并集中删除不相容的三角形,最终得到一个二维流形拓扑曲面集作为重建结果.该算法适应于包括单侧曲面在内的任意不自交的拓扑曲面集,并且重建结果是相对优化的曲面三角形剖分,可以应用于科学计算可视化、雕塑曲面造型和反求工程等领域.     

基于Delaunay规则的无组织采样点集表面重建方法

表面重建在3维地理信息系统、计算机辅助设计与图形学、计算机造型、逆向工程、虚拟仿真等应用领域有着广阔的应用前景。在前人研究的基础上,提出了一种基于Delaunay规则的3维表面重建方法,通过将局部采样顶点投影到局部切平面上,利用Delaunay规则对投影点进行约束三角剖分,并将剖分得到的顶点连接关系映射到3维空间中,即可得到采样点之间的相互连接关系,实现采样曲面S的表面重建。实验结果表明,算法在表面重建过程中可以有效检测不充分采样区域以及表面边界部分,适用于开、闭两种类型曲面的表面重建。此外,算法还具有实现简单、运行高效等优点。     

基于成长型神经网络以线段为基元的曲线重建

在逆向工程中,对基于散乱数据点的曲线重建研究有着重要的意义。曲线可用线段基元逼近。提出使用成长型神经网络以线段为基元的曲线重建新算法。给定某一曲线的散乱点集和一初始折线,新算法优化折线上的顶点位置,使折线更好地逼近散乱点;持续分裂折线上活动性强的顶点和删除活动性最弱的顶点,使折线上顶点的分布更符合散乱点数据的概率分布。实验结果表明,新算法能够取得良好的曲线重建效果。     

基于场分布的平面散乱点集B样条曲线重建算法

平面散乱点集的曲线重建是逆向工程研究的核心问题之一。该文在Goshtasby算法的基础上,提出了一种基于场分布的平面散乱点集B样条曲线重建算法。首先,通过估计场强基函数的边界提高量子化效率,生成散乱点集场分布的数字图像;然后,利用图像细化结合改进的BFS（Breadth-First-Search）算法来避免数字图像中由于存在大量冗余分支像素而难以生成脊轮廓的问题;最后,采用加权最小二乘法延长重建曲线,改进Goshtasby算法所得的开曲线在端点处收缩的缺点。实验表明,对于带噪声的平面稠密点集,该算法可有效地重建反映点集形状和走向的B样条曲线。