改进差分进化算法求解B样条曲线曲面拟合问题

利用B样条进行数据拟合的关键在于B样条参数(节点矢量和控制顶点)的选取,同时把节点向量和控制顶点视为变量,拟合问题就演变为多维多变量高度非线性的最优化问题。由于差分进化算法(DE)在处理数值优化问题时相比于其他基于种群的进化算法收敛速度更快、稳定性更好,提出一种改进的差分进化算法来处理带噪声数据点的B样条曲线曲面最小二乘拟合。试验产生了多重节点。将其与基本的差分进化算法的试验结果进行比较,得到的BIC值和残差平方和更小。     

带互异权值的B样条曲线的最小二乘渐进迭代逼近

为使B样条拟合目标曲线的迭代过程中单独控制部分数据点,调整局部曲线形状,减小局部曲线迭代误差,提出带互异权值的最小二乘渐进迭代逼近法.首先赋统一初始权值于每个数据点,用最小二乘渐进迭代逼近法生成B样条拟合曲线;其次调整部分数据点对应的权值,运用带互异权值的最小二乘渐进迭代逼近法生成B样条拟合曲线;最后比较调整前后拟合误差.实例结果表明,本文所提出方法可调整局部拟合曲线形状,减小拟合误差.     

密集散乱测量数据点的B样条曲面拟合研究

回顾了密集散乱数量数据点面拟合研究发展情况,针对异形边界自由曲面密集散乱测量数据点,提出一种B样条曲面多步拟合算法,其中涉及边界插值B样条曲面生成、Hardy′s双二次局部插值、规则网格数据点B样条曲面最小二乘拟合等关键技术,通过一个工程实例,对文中提出的B样条曲面多步拟合算法进行了实验验证。     

基于自适应遗传算法的B样条曲线拟合的参数优化

在B样条曲线的最小二乘拟合平面有序数据问题中,经常采用遗传算法进行优化。但随机选取初始种群的遗传算法,容易使得结果陷入局部最优。要达到较高的拟合精度,则需要增加更多的控制顶点。为克服这一缺点,提出了一种自适应的遗传算法对B样条曲线的参数优化。用平均有序数据参数法,将数据参数和节点建立关联,极大提高初始种群的平均适应度;通过优化遗传策略,加快种群进化。实验表明,该算法能用最少的控制顶点和进化代数进行B样条曲线的拟合,得到的拟合曲线逼近效果更好。     

基于遗传算法的B样条曲线和Bézier曲线的最小二乘拟合

考虑用B样条曲线拟合平面有序数据使得最小二乘拟合误差最小.一般有两种考虑,一种是保持B样条基函数的节点不变,选择参数使得拟合较优.参数的选择方法包括均匀取值、累加弦长法、centripetal model、Gauss-Newton迭代法等.另一种则是先确定好参数值(一般用累加弦长法),然后再用.某一算法计算出节点,使得拟合较优.同时把两者统一考虑,用遗传算法同时求出参数、节点使得拟合在最小二乘误差意义下最优.与Gauss-Newton迭代法、Piegl算法相比,本方法具有较好的鲁棒性(拟合曲线与初始值无关)、较高的精度及控制顶点少等优点.实验结果说明采用遗传算法得到的曲线逼近效果更好.用遗传算法对Bezier曲线拟合平面有序数据也进行了研究.     

B样条曲面在严格约束状态下的光顺拟合

提出一种新的B样条曲面造型方法:光顺地拟合空间型值点且同时严格地通过其中部分点.运用Lagrange乘子的条件极值法并引入光顺加权项，求出位置偏离和形状弯曲的最小二乘解，可以得到被称为B样条光顺准拟合的良好造型曲面.这一方法在包含门窗的交通工具外壳曲面设计、机械产品装配联接件制造中具有明显的实用价值.     

基于双正交非均匀B样条小波的曲线逼近方法

针对B样条曲线逼近有序数据点在应用最小二乘法时出现的计算量较大问题,提出一种基于双正交非均匀B样条小波的曲线逼近方法。其基本思想是：先用最小二乘法生成初始B样条逼近曲线,再用细节曲线逼近误差向量,接着将细节曲线叠加于原逼近曲线得到新的B样条曲线,这个过程是迭代的。细节曲线的基函数是双正交非均匀B样条小波。与传统最小二乘法相比,该方法仅需计算新增线性系统,避免重复计算原系统,降低了计算量,提高了运算效率;此外,给出了B样条逼近曲线的一种多分辨率表示形式。     

B样条曲面拟合方法在人体测量中的应用

随着计算机辅助设计技术的不断发展,三维参数化设计作为一种新的计算机辅助设计方法已经得到广泛应用.提出应用投影栅相位法测量人体的三维数据,在最小二乘意义下采用B样条拟合曲面的方法,在临床治疗和医学基础研究方面有重要的实用价值.     

一种三次B-样条曲面的局部光顺算法及实现

本文提出了一种双三次B -样条曲面局部光顺算法。首先 ,根据一种近似局部光顺准则—节点处三阶不连续性的和 ,选择曲面待光顺的节点 ;然后 ,利用约束的最小二乘逼近法修改相应的局部控制顶点网 ,从而降低曲面局部的三阶不连续性 ,使局部形状得到改进。在详细描述算法原理后 ,给出算法的实现步骤。     

吸附数据的方程拟合和给定条件的自适应最小二乘样条

本文提出了一类给定条件的样条拟合方法。作者导出了能满足给定条件的最小二乘样条拟合正规方程组,讨论了样条节点数及其位置分布对拟合精度的影响,以函数值变化激烈处设置较密节点为原则,成功地开发了一种自适应样条拟合算法。为达到预先规定的拟合精度,这种算法能自动确定节点数及其位置。作者把它用于吸附过程数据的拟合,获得了满意的结果。     

Data fitting with a spline using a real-coded genetic algorithm

To obtain a good approximation for data fitting with a spline, frequently we have to deal with knots as variables. The problem to be solved then becomes a continuous nonlinear and multivariate optimization problem with many local optima. Therefore, it is difficult to obtain the global optimum. In this paper, we propose a method for solving this problem by using a real-coded genetic algorithm. Our method can treat not only data with a smooth underlying function, but also data with an underlying function having discontinuous points and/or cusps. We search for the best model among candidate models by using the Bayes Information Criterion (BIC). With this, we can appropriately determine the number and locations of knots automatically and simultaneously. Five examples of data fitting are given to show the performance of our method.     

基于遗传算法的B样条曲线在气象探测中的应用

针对高空气象探测数据变化规律复杂、突变情况不可预测、数据量大等特点,采用基于遗传算法确定节点矢量的B样条曲线拟合方法,并提出优化染色体的产生方式,加速算法的收敛效率,实现了在给定误差要求下,用较少控制点的B样条曲线拟合高空气象探测数据曲线,并通过对气温－高度曲线特征点的拟合效果证明了算法的可行性。     

B-spline surface fitting based on adaptive knot placement using dominant columns

By expanding the idea of B-spline curve fitting using dominant points (Park and Lee 2007 [13]), we propose a new approach to B-spline surface fitting to rectangular grid points, which is based on adaptive knot placement using dominant columns along u- and v-directions. The approach basically takes approximate B-spline surface lofting which performs adaptive multiple B-spline curve fitting along and across rows of the grid points to construct a resulting B-spline surface. In multiple B-spline curve fitting, rows of points are fitted by compatible B-spline curves with a common knot vector whose knots are computed by averaging the parameter values of dominant columns selected from the points. We address how to select dominant columns which play a key role in realizing adaptive knot placement and thereby yielding better surface fitting. Some examples demonstrate the usefulness and quality of the proposed approach.     

Elitist clonal selection algorithm for optimal choice of free knots in B-spline data fitting

Data fitting with B-splines is a challenging problem in reverse engineering for CAD/CAM, virtual reality, data visualization, and many other fields. It is well-known that the fitting improves greatly if knots are considered as free variables. This leads, however, to a very difficult multimodal and multivariate continuous nonlinear optimization problem, the so-called knot adjustment problem. In this context, the present paper introduces an adapted elitist clonal selection algorithm for automatic knot adjustment of B-spline curves. Given a set of noisy data points, our method determines the number and location of knots automatically in order to obtain an extremely accurate fitting of data. In addition, our method minimizes the number of parameters required for this task. Our approach performs very well and in a fully automatic way even for the cases of underlying functions requiring identical multiple knots, such as functions with discontinuities and cusps. To evaluate its performance, it has been applied to three challenging test functions, and results have been compared with those from other alternative methods based on AIS and genetic algorithms. Our experimental results show that our proposal outperforms previous approaches in terms of accuracy and flexibility. Some other issues such as the parameter tuning, the complexity of the algorithm, and the CPU runtime are also discussed.     

网格模型中直纹面的提取

提出一种基于直母线族提取与拟合的网格模型直纹面提取方法.首先通过集合误差权排序方法从模型中选择一个可信直母线种子,然后通过局部标架引导搜索邻接直母线,移动标架重复上述搜索过程,直到跨出网格边界或者开始循环搜索.利用"投影"光顺法对齐直母线段族首末端点,再通过定义欧氏6空间下的距离函数,将欧氏3空间下的直线族逼近直纹面问题转换成欧氏6空间下B样条曲线最小二乘拟合问题.为了使逼近的曲面光顺,在曲线拟合过程中引入了能量函数.与其他算法相比,文中方法获得了较强的直母线族的鲁棒性和精确性,并能有效、合理地拟合出光顺直纹面.     

基于遗传算法的B样条曲线拟合改进算法

B样条曲线拟合应用于绘制离散数据点的变化趋势,一般采用数据逼近或者迭代的方法得到,是图像处理和逆向工程中的重要内容。针对待拟合曲线存在多峰值、尖点、间断等问题,提出一种基于遗传算法的B样条曲线拟合算法。首先利用惩罚函数将带约束的曲线优化问题转换为无约束问题,然后利用改进的遗传算法来选择合适的适应度函数,再结合模拟退火算法自适应调整节点的数量和位置,在寻优的过程中找到最优的节点向量,持续迭代直到产生最终的优良重建曲线为止。实验结果表明,该算法有效地提高了精度并加快了收敛速度。     

Knot calculation for spline fitting via sparse optimization

Curve fitting with splines is a fundamental problem in computer-aided design and engineering. However, how to choose the number of knots and how to place the knots in spline fitting remain a difficult issue. This paper presents a framework for computing knots (including the number and positions) in curve fitting based on a sparse optimization model. The framework consists of two steps: first, from a dense initial knot vector, a set of active knots is selected at which certain order derivative of the spline is discontinuous by solving a sparse optimization problem; second, we further remove redundant knots and adjust the positions of active knots to obtain the final knot vector. Our experiments show that the approximation spline curve obtained by our approach has less number of knots compared to existing methods. Particularly, when the data points are sampled dense enough from a spline, our algorithm can recover the ground truth knot vector and reproduce the spline.     

高阶连续的形状可调三角多项式曲线曲面

目的目前使用的B样条曲线曲面存在着高连续阶与高局部调整性两者无法兼而有之的不足,且B样条曲线曲面的形状被控制顶点和节点向量唯一确定,这些因素影响着B样条方法的几何设计效果与方便性。本文旨在克服这种局限,以期构造具有高次B样条方法的高连续阶,低次B样条方法的高局部调整性,以及有理B样条方法权因子决定的形状调整性的曲线曲面。方法在三角函数空间上构造了一组含参数的调配函数,进而定义具有与3次B样条曲线曲面相同结构的新曲线与张量积曲面。结果新曲线曲面继承了B样条方法的凸包性、对称性、几何不变性等诸多性质。不同的是,同样是基于4点分段,3次均匀B样条曲线C2连续,而对于等距节点,在一般情况下,新曲线C5连续,当参数取特殊值时可达C7连续。新曲线在C5连续的情况下存在1个形状参数,能较好地调整曲线的形状同时又无须改变控制顶点。另外,将形状参数设为特定值,新曲线可以自动插值给定点列。新曲面具有与新曲线相应的优点。结论在强局部性下实现高阶连续性的形状可调分段组合曲线曲面,为高阶光滑曲线曲面的设计提供了可能,并且新曲线实现了逼近与插值的统一表示,能较好地应用于工程实际。调配函数的构造方法具有一般性,可用相同方式构造其他具有类似性质的调配函数。     

基于B样条隶属函数的模糊推理系统

隶属函数和推理规则的确定是模糊推理的难点。通过研究模糊推理过程和B样条函数的特性,对应用B样条函数拟合模糊隶属函数进行推理的方法进行改进。通过对误差极值点、曲率极值点的计算和筛选,得到B样条函数的型值点。反算求得控制点之后,通过自适应增加控制点对曲线进行调整,增加曲线对隶属函数的拟合度,解决了B样条函数对隶属函数的拟合问题。建立B样条推理规则,构造实现了B样条推理系统,并求出该系统的最终结果为B样条超曲面。最后,通过实验验证了该方法的有效性和可行性。