空间曲线的特征识别与高质量非均匀采样

为避免传统均匀采样方法因忽视曲线重要特征而生成不理想的采样结果,获得给定数量且由特征点和辅助点组成的采样点序列,提出基于特征识别的高质量空间曲线非均匀采样方法.首先使用抛物线插值法得到曲线上所有曲率极大值点和挠率极大值点的近似位置,经筛选后产生特征点,以更好地抓住空间曲线的轮廓特征.然后定义基于弧长、曲率和挠率加权组合的特征函数,并以此自适应地选取曲线上的辅助点.与3种主流采样方法比较的实验结果表明,该方法能够获得更高质量的采样结果且具有更好的实用性,从而进一步改善空间曲线的B样条拟合效果.     

一对Bézier曲线基于控制顶点优化的显式G2约束拼接

针对一对Bézier曲线的G2约束拼接,提出了通过最小化l2距离的一种简单且显式方法。将l2距离表示成具有两个参数的二次函数,最优的拼接曲线以优化控制顶点使得l2距离最小的方式得到。通过证明l2距离是凸的,说明了唯一解的存在性。由于该方法是非迭代的并且表示为已知的控制顶点,所以是显式和高效的。实例表明新方法的有效性。     

空间曲线基于内在几何量的高质量采样和B样条拟合

为解决均匀参数采样在许多情况下得到质量不高的采样点,进而生成不理想的B样条拟合曲线,提出空间曲线基于内在几何量的均匀采样方法,以获得给定总数且具有代表性的采样点.首先定义基于弧长、曲率和挠率加权组合的特征函数,通过调整组合参数更好匹配不同的曲线形状;然后提出空间曲线基于内在几何量的自适应采样方法,迭代生成满足给定距离阈值的采样点.采用最大绝对误差和均方根误差作为评价指标,与均匀弧长采样方法和基于弧长和曲率平均的均匀采样方法进行对比,并通过实例进行验证.结果表明,文中方法在采样质量和B样条拟合结果上获得明显改善.     

Bézier曲线降阶的迭代算法

为提高Bézier曲线降阶的稳定性,提出以基于L_2范数的逼近误差为指导的一种迭代算法. 该算法从一条初始Bézier曲线开始逐渐地对其控制顶点进行偏移,得到具有误差最小的逼近曲线; 同时,应用线性搜索方法来优化控制顶点的偏移,使得在每次迭代后逼近误差可以达到局部最小. 实例结果表明了该算法的快速收敛性.