一种基于神经元增长结构(GCS)的空间散乱点三角剖分方法

空间散乱数据点的三角剖分是逆向工程的关键技术,本文提出了基于一种动态神经网络———神经元增长结构(GrowingCellStructure)的空间三角剖分新方法。这种方法具有可以直接处理带有噪声的数据,无需对数据进行平滑处理,网格规模可控,算法简单,生成的三角网格形状好等优点。     

存在约束条件的复杂曲面三角网格剖分方法

针对存在特征约束条件的复杂曲面三角剖分提出了一种新的算法,该算法首先将该类复杂曲面划分成平面参数域,产生较为均匀的参数域,进而对各子平面参数域进行平面参数域的三角剖分,然后将所得到的各子平面参数域映射为空间Beizier网格结点,形成粗网格三角剖分后进行各子曲面片间G^1连续的拼接运算,最后动用曲率标准和细分规则进行三角剖分质量的优化。该方法不但可以较好处理复杂曲面,而且能克服曲面网格产生裂缝。     

一种散乱数据的三角剖分新算法

根据逆向工程中散乱数据点规模越来越大的趋势,为缩小剖分时搜寻和遍历数据点的空间范围,提高算法效率,提出了一种大规模散乱数据的空间划分方法及相应的数据结构和编码方案.同时,提出了外连剖分和内连剖分的概念,给出了基于局部增量网格扩张的3维散乱数据点的空间直接三角剖分算法.该算法的总体计算复杂度为O（N）,与三角剖分的典型算法相比,有效降低了其时间复杂度,提高了剖分后网格的质量.     

三维网格模型的局部三角剖分算法

为了提高三维网格模型的渲染显示效率和提高网格质量以满足有限元分析,提出了一种新的三维网格模型的局部三角剖分方法。本方法的三角剖分基于Bowyer-Watson插点算法实现。通过在新插入点的邻域内搜索三角形来提高三角剖分的效率,通过对网格的几何形状和连通性进行局部修改来提高网格质量。通过尺寸场来约束控制三角剖分区域,使得生成的网格质量和算法性能有较好的综合表现。     

一种空间曲面上散乱数据的快速三角剖分新算法

在现有三角剖分方法研究的基础上,提出了一种空间曲面上点云数据的快速三角剖分新算法。以区域生长法为主导,通过表面法向量向外原则提出了一种种子三角形选取与构造的新方法,改进生长算法,采用逆时针方式搜寻最优扩展点来生成三角形网格。该算法的总体时间复杂度为O（KN）,能够快速高质量的生成三角网格模型。     

三角剖分技术在消隐中的应用

三角剖分是有限元网格划分的重要工具之一。本文将这一方法应用于装配图的消隐之中，并介绍其原理及实现步骤。     

散乱数据点的快速三角剖分算法

提出了一种改进的波前扩展算法,该算法给出的候选点判断准则,可对数据点的K近邻进行快速过滤,并有效避免了单元自相交;建立的匹配点查找和优化准则,可生成局部优化的三角形网格单元;依据四种不同的查询结果,制定了相应的波前环更新和数据点标记方法。将波前扩展算法应用于具有复杂特征的散乱数据点的三角剖分中,结果表明,该算法可快速生成高质量的三角网格模型。     

散乱数据点的快速三角剖分算法

提出了一种改进的波前扩展算法,该算法给出的候选点判断准则,可对数据点的K近邻进行快速过滤,并有效避免了单元自相交;建立的匹配点查找和优化准则,可生成局部优化的三角形网格单元;依据四种不同的查询结果,制定了相应的波前环更新和数据点标记方法.将波前扩展算法应用于具有复杂特征的散乱数据点的三角剖分中,结果表明,该算法可快速生成高质量的三角网格模型.     

基于三角剖分的雕刻学习曲面轨迹生成

结合雕刻学习的特点，给出了雕刻学习曲面三角剖分数据结构，说明了雕刻学习曲面轨迹生成应注意的问题，并给出了详细的算法说明，该方法能满足雕刻学习曲面雕刻加工的高效和自然等特点，适应了自由曲面几何特性和雕刻数据采集的特殊性，是一种切实可行的方法。     

截面扫描型点云数据的三角剖分算法

截面扫描型点云数据三角剖分的难点在于在三角剖分中找到一个合适的数学模型来统一各条扫描线点个数。本文利用NURBS曲线的表达式作为数学模型,提出了基于曲线相容性的三角剖分方法。首先对截面轮廓数据进行排序,用NURBS曲线进行拟合,然后对截面曲线进行相容性操作,在离散的基础上实现了三角剖分算法。     

离散数据点集的3D三角划分算法研究

在实物测量造型过程中,根据离散点集进行三角网格划分是其关键环节之一,也是进行后续进行曲面重构的前提和基础。本文在当前的三角网格划分方法比较之后,提出了一种散乱点集的三角网生长算法,该算法无须对离散点集所对应的自由曲面进行分片投影,直接在3D空间从已划分区域边界到未划分区域按照Delaunay准则生成三角网格,并给出了用此算法处理散乱数据的试验结果。     

密集散乱数据三角划分及数据压缩

介绍了Delaunay三角划分方法,运用一种算法对密集散乱数据进行三角划分,并在给定容差条件下对其进行成批压缩。由点云数据中最大、最小的六个点构成初始八面体,将数据分割为八个星角形区域上的凸包数据,在每个凸包数据中,搜寻到其对应的三角形的垂直距离最大的点,如果距离大于给定的容差,则将该点插入并局部优化三角网格。反之则将该点压缩掉。最后给出的实例证明了该算法的有效性和效率。     

反求工程中复杂多面体模型的网格简化算法

提出一种新的基于顶点删除准则的多面体模型简化算法.该算法使用局部几何和拓扑特征移去满足简化标准的顶点,并对移去顶点后产生的空洞进行剖分区域划分,进而分别进行局部三角化.算法实现简单、速度快,能够有效处理高斯曲率近于零而平均曲率较大的网格,解决了以往一些算法对此根本不能进行简化的问题.实验表明,该算法可以简化具有复杂拓扑结构的网格模型,适用于在反求工程中获得的以重构精度为主要目标的多面体模型的简化.     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。     

散乱数据点的曲面插值

本文介绍基于三维三角曲面插值网络,通过对曲面内部控制点引入参数表示构造整体光滑曲面模型的一种方法,该方法简单有效地实现了三角曲面的光滑拼接,算法稳定、可靠。     

基于散乱点的全自动四边形网格剖分方法

提出一种基于散乱点的全自动三维非结构化四边形网格剖分方法。对散乱点进行自适应预处理，包括冗余点的自动删除和模型边界提取。使用改进节点计算和铺路面相交搜索处理的铺路算法，自动生成全四边形网格。该方法可有效地控制生成网格单元的尺寸和质量，网格模型满足有限元分析的要求。与常规的基于CAD几何信息的网格生成方法相比，该方法避免了繁琐的模型修补问题，可快速生成高质量的全四边形网格模型。算例证明了该方法的有效性和实用性。     

基于三维凸包的可变形离散网格模型

针对有限三维点集的表面重构问题，提出一种可变形网格模型的建模方法。对网格模型的流形表达、可变形网格的约束模型等关键技术进行了研究和探讨，提出了确定和维护网格变形方向的方法，并给出了三维离散点集的凸包计算结果。     

一种新的散乱数据边界点提取方法

综合采用了邻域和平面上提取边界点的思想 ,提出了一种新的在二维平面上提取边界点的方法 ;并在曲面局部近似一个平面的前提下把它推广到三维空间 ,从而形成了一种可直接在三维空间对任意复杂形状曲面进行边界点提取的 3D方法