离散点集3D三角划分算法在裁剪曲面中的实现

提出一种在3D空间直接对曲面离散数据点进行三角网格划分的算法,该方法适用于非封闭曲面、封闭曲面及多连通复杂曲面的离散点集,同时也能处理剪载曲面的离散点集,得到优良的三角网格。在引入边界环融合的概念的基础上,详细阐述算法如何实现对剪载裁曲面离散点集三角划分,并给出应用实例。     

三维物体表面三角划分的遗传算法

提出了一种基于遗传算法的从给定平行截面线重建物体表面的方法。该算法利用了三维表面三角形划分和遗传算法的基本原理,使用多目标适应函数,能够进行多目标优化从而满足不同的要求,算法还采有了新交叉与变异算子－三维多边形交叉与三维四边形变异。     

散乱数据点集的三角划分算法研究

在对当前的三角网格划分方法进行比较分析后,提出了一种散乱数据点集的3D三角网格划分算法,该算法不需如同二维划分方法一样要对散乱点集对应的自由曲面分片投影,并可自然处理含有凹边界及孔域的曲面数据点集,利用网格扩展、边界环分裂和边界环封闭,根据曲面的变化逐层推进生成三角网格,使算法能方便地处理非封闭曲面、空间剪裁曲面、封闭曲面、空间多连通曲面等各种曲面的散乱数据。     

散乱点云的三角划分算法研究

通过对当前的三角网格划分方法进行比较分析,提出了一种散乱点云的3D三角网格划分算法。该算法不需如同二维划分方法那样要对散乱点云对应的自由曲面分片投影,而是直接在3D空间,根据离散点集所对应的曲面形态变化,利用网格扩展、边界环分裂和边界环封闭,逐层收缩生成三角网格。该算法能方便地处理空间多种曲面的散乱点云数据,并且生成的三角网格形态优良,布局合理。     

划分点定位并行排序算法

提出并分析了划分点定位并行排序（parallel sorting by divide-point locating)算法。在算法中，输入数据被平均划分并分配给所有处理机，因此每个处理机具有相同的工作负载。给出了网络分布计算环境下PSDL算法的实验结果，并与PSRS算法进行了对比。理论分析和实验结果表明，PSDL算法是一种高效率、高扩展性的并行排序算法。     

三维物体表面三角划分的快速算法

通过三角划分从三维空间点集重建三维表面的方法 ,在实际应用中涉及到的数据量常常很大 ,因此对算法的计算速度有较高的要求 .基于三维重建时物体截面轮廓线序列中的相邻轮廓线基本相似的事实 ,提出了一种物体截面轮廓线点集之间的三角划分的快速算法 .该算法首先寻找轮廓线的控制点 ,并对每两条相邻轮廓线的控制点进行配对 ,然后将这样两条轮廓线之间的三角划分 ,分配在多个小的曲线段对之间进行 ,并且由于事先进行了控制点匹配 ,因此 ,在每个小的区域中就能够进行简化快速的三角划分 .经理论分析和实验 ,该算法与常规的全局优化算法相比 ,在视觉效果上基本一致 ,可在计算时间上却要少得多 ,说明本算法是有效的     

多连通曲面离散点集的3D三角划分算法研究

在对非封闭曲面、简单封闭曲面和多连通封闭曲面的特点进行分析之后,提出了一种多连通封闭曲面离散点集的3D三角划分算法.该算法无须对离散点集所对应的自由曲面进行分片,直接在3D空间根据曲面的形态变化向前逐层推进生成三角网格.算法同时还适用于非封闭曲面和简单封闭曲面两种情形.实验结果表明,该算法的划分效果优良,能够满足曲面重构的需要.     

最近点问题的三角不等式算法

本文用树结构存贮有限空间的点.然后,设计了一个查找针对已知查询点的最近点的算法——三角不等式算法.整个算法的空间复杂性为O(n);预处理和查询时间复杂性分别为O(n·logn)和O(c·logn), c<相似文献   

平面散乱点三角剖分分治算法的实现

平面散乱点三角剖分在实践中有广泛应用。文中在分析已有算法的基础上，提出利用分治算法实现平面散乱点三角剖分。给出了算法实现流程并讨论了算法实现过程中几个重要问题。最终给出了实验结果。文中的研究对开展此类工作有借鉴和指导作用。     

平面散乱点三角剖分分治算法的实现

平面散乱点三角剖分在实践中有广泛应用。文中在分析已有算法的基础上,提出利用分治算法实现平面散乱点三角剖分。给出了算法实现流程并讨论了算法实现过程中几个重要问题。最终给出了实验结果。文中的研究对开展此类工作有借鉴和指导作用。     

用空间形状优化标准完成散乱数据的三角剖分

本文提出了一种三维散乱数据三角剖分时的空间形状优化标准，它可以保证三角剖分的空间形状变化均匀，具有保凸性，并且基于此三角剖分上的插值曲面比较光顺。     

任意多边形内带特征约束的散列数据的最优三角剖分

给出了一种新的基于Ｄｅｌａｕｎａｙ三角形化的任意多边形边界内散列数据的优化三角剖分算法，该算法可允许散列数据任意复杂的折线及封闭多边形环的特征约束。算法用统一的数据结构来记录散列数据、约束特征和三角剖分信息，并且引入了辅助窗的概念，从而使优化剖分和加入约束容易实现。     

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。     

基于Kriging方法的空间散乱点插值

给出的一种距离加权插值方法借鉴地质统计学中的Ｋｒｉｇｉｎｇ方法,在空间数据场满足给定的统计分布特征的前提假设下进行插值。通过对帽状曲面函数的插值结果的观察,可以看出该方法可以获得良好的插值效果。     

满足全局Delaunay特性的带特征约束的散乱数据最优三角剖分

本文给出了一种新的全局满足Ｄｅｌａｕｎａｙ特性的带特征约束散乱数据的优化三角剖分算法．统一的数据结构允许散乱数据带有外部边界或内部孔洞,并且约束特征可以是有向折线或封闭多边形．由于采用了“对半划分增量型附加特征点插入”算法,从而可以用较少的附加点来使全局Ｄｅｌａｕｎａｙ特性得到满足．     

实现约束Delaunay三角剖分的健壮算法

相对于标准的Ｄｅｌａｕｎａｙ三角剖分，本文给出了复杂区域三角剖分所应满足的两个约束条件及相应的基于轨迹生成和边界裁剪的剖分算法，并证明了该算法符合约束圆准则，文中详细分析了退化及数值误差对剖分结果的影响，着重在提高算法健壮性方面，对该算法做了进一步完善，使它能够完全满足散乱据场网格剖分的分析。     

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。     

改进的自连接Delaunay三角网生成算法

本文提出了一个改进的自连接Ｄｅｌａｕｎａｙ三角网生成算法。在原算法的基础上引进了封闭点的概念,在三角网的生成过程中动态地剔除封闭点,从而大大加快了生成新三角形时对点的查找过程。其次,通过对边扩展过程的研究,发现对除了第一个三角形以外的其他三角形实际上只有两条可扩展的边,新算法对这一点也进行了改进。最后,给出了实验的结果数据。