任意散乱数据光滑超曲面拟合的二步法

１．引言本文考虑以下问题：给定某一散乱点集且构造一分块Ｃ１或Ｃ２连续的超曲面Ｆ,使得．散乱数据超曲面拟合有非常广泛的应用领域,例如发动机进气道流场中的速度、温度、密度,土壤性质随其经度、纬度、深度的变化,大脑各部位的电位值,城市环境监测点的污染值等．自１９８４年以来,Ｂａｒｎｈｉｌｌ,Ａｌｆｅｄ,Ｇｒｅｙｏｒｙ等在这方面做了大量的工作．文［１,２］用布尔和构造了立方体或超立方体网格上的多元插值函数,由于对原始型值点要求太高,实用中很难满足．文［３－５］采用划分四面体的光滑插值,实际是三角网格二元…     

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。     

散乱分布数据曲面重构的光顺-有限元方法

提出了一种基于散乱分布的数据点重构三维曲面的有限元方法.根据最佳逼近与数据光顺理论建立正定的目标泛函,采用有限元最佳拟合使泛函极小化,求得最优解.通过八节点等参数有限元插值计算,重新构造出三维曲面.这种光顺-有限元方法有效地抑制了输入数据上误差噪声的影响,与有限元拟合方法相比,所需的输入数据点少,重构的曲面逼近精度高、光顺性好.数值实验表明,该方法简单,便于应用.     

非矩形定义域上的散乱数据曲面重建的Multiquadric基函数拟合法

传统的Multiquadric基函数拟合散乱数据方法,只能用于定义域呈矩形拓扑的散乱数据集上,而逆向工程中通常遇到的是非矩形定义域上的散乱数据集,因此不能用传统方法。文章提出一种新的Multiquadric基函数拟合非矩形定义域上的散乱数据集。该方法首先找到一个与该散乱数据集所在曲面拓扑等价的参数曲面,通过将散乱数据点(xi,yi,zi)一一映射到此参数曲面,反求出其对应参数(ui,vi),由于(ui,vi)∈犤0,1犦×犤0,1犦,从而将非矩形定义域上的Multiquadric基函数拟合方法转化为传统的方法。将Multiquadric曲面与B-样条曲面进行了比较,指出了Multiquadric曲面优于B-样条曲面之处。     

散乱点数据的Bayesian曲面重建

针对带噪声的点云数据提出了一种基于贝叶斯（Bayesian）统计理论的曲面重建算法。算法的主要思想是在可能的重建概率空间上寻找最大后验概率。首先,分别计算测量过程数学模型和曲面先验概率模型;其次,通过共轭梯度优化算法确定每一个点的最大后验重建位置;最后,应用Surface Splatting 算法绘制点模型。实验结果表明,该先验概率模型不仅能去除扫描点云数据的噪声,同时还能增强曲面的细节特征。和已有的研究工作相比,本算法能获得更好的重建结果。     

基于局部曲面拟合的散乱点云简化方法

随着数据获取手段的进步,散乱点云数据在三维重建中获得越来越广泛的应用,然而庞大的数据量往往影响重建的效率。现有简化算法中采用的曲率计算方法精度不高,导致模型特征模糊。本文在分析曲面特征的基础上给出了一种曲面特征的定量描述方法。该方法采用局部曲面拟合得到曲面在一点处的近似曲面,然后用法曲率在360度范围内的平均值代替平均曲率来描述曲面在一点处的特征。简化时采用K-D树剖分点云数据,根据子节点所包含的采样点数、空间区域大小和曲面特征大小控制简化过程。实验结果表明,该方法能够更好地保持曲面的几何特征,从而证明了算法的有效性。     

基于支持向量机的散乱数据拟合

文章提出了一种有效的大规模散乱点拟合方法,它是采用最小均方支持向量机局部拟合对Shepard插值方法进行改进。支持向量机基于结构风险最小化准则,在数据拟合方面具有较好的泛化能力,而改进的Shepard法能有效拟合大规模样本点。实验结果表明该算法对大规模散乱数据点具有较好的拟合性能。     

平面上散乱数据点的二次曲线拟合

基于代数距离定义目标函数,在6种不同约束条件下得到6条基本二次曲线,最终的拟合二次曲线由6条基本二次曲线系数加权平均产生．用实例对该方法和其他几种方法拟合曲线的误差作了比较,并讨论了基于代数距离目标函数的几何意义．     

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．     

散乱数据拟合的自适应分片逆尺度空间算法

散乱数据拟合(逼近)是在信号处理、计算机图形学等领域中被广泛研究的问题, 近些年,利用优化方法获得散乱数据的稀疏表示逼近解也成为了优化和曲面重构交叉领域的热 点。基于由B 样条生成的PSI 空间中的散乱点曲面拟合问题和分片稀疏的联系,将分片稀疏性 引入到Bregman 逆尺度空间算法(ISS)中,提出一种自适应的分片逆尺度空间(aP_ISS)算法,处 理散乱数据的曲面拟合问题。通过对逆尺度空间系统分片符号一致性分析,得到了自适应分片 逆尺度空间系统的性能保证定理和避免了aP_ISS 参数的选取。应用到散乱点曲面重构问题上 的数值实验结果表明,该算法不仅可以有效拟合曲面,还能够较好保护分片稀疏性。     

散乱数据点多项式插值光顺曲面的构造

为了得到光顺的多项式插值曲面,首先把空间散乱数据点划分为三角形网格,在每个给定数据点处构造C^1连续的分片二次多项式曲面片,针对各数据点的邻接点个数不同,分别利用弯折能量和拉伸能量建立目标函数,极小化目标函数确定插值曲面的未知量,在保持原有的形状特征的同时构造光顺的分片插值曲面,最后用实例说明了文中方法的有效性．     

基于NURBS的散乱数据点自由曲面重构

针对散乱数据点,首先提出基于曲率测度的大规模散乱数据点自适应压缩方法。在此基础上,提出先压缩后重构的基于ＮＵＢＲＳ的曲面重构策略。该方法可在保持原数据点集基本特征的前提下,将散乱散数据点压缩到ＮＵＲＢＳ曲面重构要求的规模,从而实现了大规模散乱数据点的精确曲面重构。     

密集散乱数据的三角形网格曲面逼近方法

介绍了一种密集三维散乱点群数据的三角形网格曲面逼近方法 .算法采用一定数量的球体在曲面空间的有效投影域上的排布来模拟 Voronoi多边形 ,从而实现平面域约束 Delaunay三角剖分 ,并利用 Hardy多二项式插值原理将其映射到曲面空间 .通过对球体集合的动力学数值仿真 ,解决了网格节点的位置确定和最佳网格节点数量确定的问题 .实际模拟结果表明 :算法结构清晰、实用 ,三角化结果品质良好 ,在数控加工和反求工程中有着广阔的应用前景 .     

散乱数据点的增量快速曲面重建算法

给出了一个新的散乱数据的曲面重建算法.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,然后通过自动矫正局部数据点的非法连接关系,以增量扩张的方式把局部三角网拼接成一张标准的整体二维流形网格.该算法在重建过程中能自动进行洞的检测,判断出散乱数据所蕴涵的开或闭的拓扑结构.实验结果表明,该算法高效、稳定,可以快速地直接重构出任意拓扑结构的二维流形三角形网格.     

大规模散乱数据的层次B-样条曲面表示

文中描术字一种规模散乱数据的快速表示方法,该算法利用一系列认粗糙到精细的Ｂ－样条控制网络来逐步逼近或插值综定的散乱数据点集;并且,由粗到细的细化过程只局限于误差还没有达到给定要求的区域。     

一种基于散乱数据的自适应曲面重建算法

本文依据Shepard基本原理,提出了一种新的自适应曲面重建算法。该算法首先利用LMS方法优化改进型Shepard算法,求出由粗糙到细致的控制网格。再利用双线性插值方法进行曲面重建,同时保证曲面的平滑性。实验结果表明本文提出的算法能够有效地重建较高精度的曲面。     

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。     

散乱数据曲面造型的凸组合Bezier三角曲面片插值方法

本文讨论了在计算机辅助设计和计算机图形学的散乱数据曲面造型中一种有效的凸组合Ｂｅｚｉｅｒ三角曲面片插值方法。构造曲面的方法是对三角剖分的每一条边,得到一个插值已知条件的５次Ｂｅｚｉｅｒ三角曲面片,它与共此边的相邻５次Ｂｅｚｉｅｒ三角曲面片满足Ｃ＾２连续条件,然后对三角剖分的每一个三角形,将三边对应的Ｂｅｚｉｅｒ三角曲面片作凸组合,使之仍然插值已知条件并满足Ｃ＾２连续条件,从数值例子看,效果是不错的     

非规则三维数据的曲面拟合方法

给出了一种非规则三维数据的曲面拟合方法,该方法给出的网络模型不需要删除奇异数据,从而可以保持数据信息的完整性,此外,该方法给出的拟合曲面平滑,连续性好,局部细节丰富,且处处可偏导。