基于车身曲面离散点的三角形网格生成

基于车身曲面的离散点,文章利用稀疏阵法搜寻法来自动生成三角形曲面。该方法首先通过曲面离散点在投影面上的投影点来生成稀疏矩阵,接着利用环形边表和边界搜寻盒来进行离散点的自动三角化。该方法算法简单,生成三角形的速度快,且生成的三角形网格适用于有限元分析和车身曲面的反求问题。文章最后给出的具体算例证明了该算法的有效性。     

平面点集凸包快速构建算法的研究

文章提出了一种提高构建凸包速度的新方法。该算法生成一个网格来管理离散点,在淘汰明显不位于凸包上的点时,将对离散点的取舍转换为对格的取舍,计算工作量只与离散点的范围及网格的密度有关,与离散点的数目无关;同时对点集也进行了初略的排序。在求取剩余点集的凸包时,采用了一种先分段求取凸包边界,最后将这些边界合并成凸包的方法,该方法充分利用了剩余点集所具有的有序性。     

三维封闭三角网格孔洞边界识别算法

针对三维封闭三角网格模型的缺失实体孔洞,提出一种边界识别算法。以手绘曲线作为输入,结合轮廓线法得到目标孔洞的近似边界点集,生成连续的孔洞轮廓线。按照曲线点集并以孔洞轮廓线辅助搜索孔洞的上边界,根据上边界向下搜索得到孔洞的下边界。该算法可用于满足二维流形、可定向及封闭的三角网格模型上孔洞边界的定位,能够简化孔洞边界的定位过程,提高设计系统的易用性。     

基于不规则三角网构建的网格生长算法

提出一种基于离散点Delaunay三角网快速构建的网格生长算法,采用分治算法将离散点表达为唯一网格,利用稀疏矩阵完成网格数据的压缩存储,通过标识码实现有值单元格与离散点之间的高效检索,从而提高网格构建的效率。依据有值单元格的密度获取预设正方形搜索空间,并在三角网扩展时根据需要动态建立正方形搜索空间,从而保证网格生长的准确性。实验结果表明,该算法的时间复杂度为O(nlogn),对于少量或海量离散点均具有较好的适应性。     

一种基于行列法离散点边界搜索算法*

平面上构建离散点的边界在地理信息系统(GIS)中应用广泛,提出了基于行列法的平面离散点边界搜索的新算法,目的是解决平面离散点边界问题,通过确定步长大小,按步长对离散点分别进行行搜索和列搜索,得到离散点的边界曲线,介绍了行列边界算法的基本思想和实现过程。该算法能够正确地搜索包含凹凸特征的离散点边界,与传统边界生成算法相比,它具有通用、实现简单等特点。该算法在油田GIS领域边界划分中得到了很好的应用,能够准确地构建油田边界。     

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。     

用鱼群算法求解多级递阶物流中转运输系统优化问题

建立了解决多级递阶物流中转运输系统优化问题的大规模非线性最优规划模型。在优化模型中,在兼顾变量约束条件的空间限制和求解精度的情况下将求解空间离散化,方法是将变量空间划分成一定大小的网格,各级中转站的最优位置将在限定区域内的一些已知点上选取。该问题维数太高,采用改进的鱼群算法对该问题进行了求解。在算法中建立了各级中转站与网格点关系矩阵和相邻两级中转站间的关系矩阵来消除约束条件和压缩变量数;使用了基于相似性的演化算法来融合全局搜索和局部搜索;使用了自适应delta变异算子、双算术交叉算子、峰跳操作算子等多种算子改进人工鱼的各种行为。应用结果表明,该算法计算速度、可靠性和稳定性大幅度提高。     

曲面网格修复中的一种快速搜索方法

提出了一种应用于搜索曲面网格修复过程中缺陷网格的边搜索算法。为了提高算法的效率,采用了升高维数处理问题的方法,将三维空间中的边转换为六维空间中的点建立了单元边二叉树。同时将搜索分为全局和局部搜索两个部分,全局搜索中将三维空间中判断包围盒相交转换为六维空间中判断点在区域内。从而将时间复杂度降为O(nlog n)。并通过编程,用实例证明该算法可准确、快速搜索出缺陷网格单元。     

基于自适应遗传算法的点云曲线重建

由于用无序离散点集来重建出曲线曲面模型，在反求工程与计算机视觉中都有着广泛的应用，为此根据实际采样中离散点分布相对集中的特点，提出了一个基于自适应遗传算法的多维无序点集曲线重建算法。该算法针对无序带噪声的空间曲线重建问题，先把点云分布空间网格化，然后在每个网格中用自适应遗传算法搜索出最能代表该网格中点集的特征点，由于每个网格区域中点集分布的不均匀性，因此可根据搜索出来的特征点，利用改进的自适应的SIG（sphere-of-influence graph）图来对每个特征点进行进一步调整，以便能使得到待重建曲线的型值点，最后利用测地距离函数来确定型值点的拓扑结构，并利用B样条函数来重建曲线。实例证明，无论是2维平面点云还是3维空间点云，该点云重建方法简单可行，特别是对于存在自交情况以及点云具有明显角点的情况亦可以获得满意的结果。     

基于动态网格划分的散乱点k邻近快速搜索算法

提出一种新的k邻近的获取方法,将测量数据点的x, y和z坐标按照空间坐标系x轴、y轴和z轴的方向进行三维排序。找到所求点在三维排序中的位置,得到一个动态的网格,并在该网格内搜索k邻近。与传统的包容盒搜索k邻近方法相比,该文算法避免了包容盒法在划分空间网格时,由于网格内点数的不确定性所带来的缺陷。该算法的创新性是根据点的密度,随意扩大或缩小该网格,从而可以快速求得k邻近点。     

一种基于最小搜索圆平面多边形域约束Delaunay三角剖分算法

给出一种新的基于边优先的二维多边形域任意散乱数据的约束Delaunay三角剖分算法.算法结合网格分块技术,提出基于最小搜索圆的点搜索思想,并证明了该思想的正确性,有效地提高了搜索第三点的速度.算法中散乱数据可以是任意复杂的折线、封闭多边形环及离散点.另外,在三角剖分过程中,实时地去掉封闭点和封闭边,极大地加快了构网速度,实现了平面多边形域散乱数据的快速约束Delaunay三角化.     

胃上皮肿瘤边界跟踪算法的实现

提出了一种修正型的边界跟踪算法,该算法基于区域标号算法,并以外法线方向作为优先搜索方向来确定边界点,在边界跟踪过程中不但记录目标物体的边界点,而且还将校正像素点的归属区域。针对该算法,设计了一个2维链表的数据结构用来保存跟踪的边界点。     

海量空间数据点k近邻的快速搜索算法

提出一种新的海量空间数据点k近邻的快速搜索算法.本算法综合考虑了空间数据的范围、数据点的总数、近邻点数目k以及数据点的密度,给出了一种新的估算子立方体边长的方法;采用空间分块策略,把数据空间划分成多个子立方体,子立方体的大小决定k近邻的搜索速度;最后记录每个子立方体所包含的数据点及每个点所属的子立方体编号,搜索测点的k近邻.大量数据的实验结果表明本算法可以大大提高在海量空间数据点中搜索测点k近邻的速度.     

三维散乱数据的k个最近邻域快速搜索算法

提出一种新的快速搜索算法．首先，采用空间分块策略，把数据空间分成许多大小相同的立方体子空间，立方体的大小决定了最近点的搜索速度；然后，综合考虑了数据集的范围、点的总数及最近点数目k，给出了一种新的估算立方体边长的方法．大量真实数据的实验结果表明：文中算法可以快速地给出接近于最佳搜索速度的立方体边长．     

边界追踪算法在地质储量计算中的应用

单井控制面积计算是油田开发中原始和剩余地质储量研究的基础。针对注采井网形成的平面变密度离散点集的边界搜索问题,本文提出以角度为判别标准,基于变搜索步长的滚边新算法进行井网边界的追踪。首先通过合理的搜索步长确定当前边界点的邻域,然后对邻域内的离散点按角度进行排序并确定下个合理边界点,最后在井网边界追踪的基础上,进一步给出储量边界外扩和单井控制面积计算方法。该算法简单、高效,可有效识别变密度平面点集的凸边界和凹边界特征,并在大庆油田的原始地质储量复算和剩余潜力评价中得到应用,提高工效5倍以上,表内地质储量复算精度2.7%,取得了很好的应用效果。     

Point cloud simplification for the boundary preservation based on extracted four features

This paper proposes a simplification algorithm based on four feature parameters, aiming at solving the problem that the edge features cannot be retained due to the incompletely extracted sharp features during point cloud simplification. Firstly, K neighborhood searching is carried out for point cloud, and K neighborhood points are quickly found by a dynamic grid method. Then, four features including: the curvature of the point, the average of the normal angle of a point from a neighborhood point, the average distance between the point and the neighborhood point and the distance between the point and the center of gravity of the neighborhood point, are calculated according to the K neighborhood of the data point. The four parameters are used to define the feature discrimination parameters and feature thresholds, to compare the size and extract the feature points; finally, the non-feature points are reduced twice by the method of the bounding box, and the reduced point cloud and feature points are spliced to achieve the purpose of simplification. The experimental results show that the distance between the point and the center of gravity of the neighborhood has a great influence on the simplified model boundary, which effectively guarantees the accuracy of the simplified model.     

图象中目标的快速搜索算法

随着系统技术的发展,对目标识别跟踪系统的要求正朝着智能化方向发展,即要求系统具有对目标的自动捕获、自动识别和自动跟踪的能力。为此,在利用目标与背景之间的灰度分布特性的基础上,提出了一种在一定的范围内能自动搜索并锁定目标的目标搜索算法。该算法假定搜索过程是在一个较大的区域开始进行的,而目标仅是该区域内一个在灰度上与背景有差别的小区域。由于这个假定是符合实际情况的,因此该搜索算法可以看作是一个简单的主动边界方法,它首先由一个收缩算法逐步缩小搜索区域,再结合图象的梯度信息来搜索目标,最后锁定目标轮廓。该算法在搜索过程中只对少数的控制点进行计算,而且对控制点的初始位置无严格限制,因而可以在含有目标的区域快速完成搜索过程,实验结果表明,该算法对不同大小、不同形状的目标都可以取得很好的搜索结果。     

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。     

基于量子计算机的数据库搜索

Grover提出的量子搜索算法,可以用O(N1/2)的时间复杂度完成对规模为N的非结构化数据集的搜索,这在经典计算机上需要O(N)的复杂度。其中量子黑盒(又称为Oracle)依赖于具体问题,根据数据库搜索的要求,设计了量子黑盒的内部结构和相应的量子线路,给出了适合于数据库搜索的量子算法。