共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
密集散乱数据三角划分及数据压缩 总被引:1,自引:0,他引:1
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。 相似文献
3.
一种散乱数据的三角剖分新算法 总被引:3,自引:0,他引:3
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. 相似文献
4.
一种受约束的散乱点三角划分方法 总被引:4,自引:0,他引:4
提出了一种基于区域分割的方法来解决受任意边界、孔域、特征线约束的二维散乱点的三角划分问题。该方法分两个步骤 ,第一步实现散乱点的初始三角形连接 ,第二步实现三角形网格优化。在初始三角形连接中 ,每连接一个三角形 ,将待划分区域分为两至三个较小的区域 ,然后分别对每个区域内的散乱点进行三角划分 ,这样一直迭代下去 ,直至没有新区域出现为止。本方法不仅能解决非凸边界、孔域、特征线嵌入等三角划分中的难点 ,而且其计算量也少 相似文献
5.
6.
7.
8.
基于自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成双有序点列,但该模型存在矩形网格的逼近误差和边缘误差。为减小矩形网格的逼近误差和边缘误差,改进了矩形网格模型的训练模式。首先采用整个测量点集对矩形网格模型中的所有神经元进行整体训练;然后对矩形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到大幅提高并覆盖散乱数据点集整体分布范围。 相似文献
9.
10.
物体经过三维扫描后获得大量的散乱点数据,为了能快速、准确的重建出网格曲面,提出了一种空间三角网格螺旋增长重建的算法。该算法首先利用包围球法对散乱点云进行优化,然后根据极坐标法确定螺旋增长的初始三角形,通过对生长的三角形最长边、最小内角和具有公共边的三角形所在面的二面角进行限制和对相应的新的网格边界点进行加锁和解锁操作,不断的寻找最佳扩展点,直到无可用的扩展点为止,最后再对有缝隙的网格边界进行缝合,完成三维扫描点云优化网格重建。 相似文献
11.
12.
基于SOFM神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差。为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点集,对矩形网格模型中的所有神经元进行整体训练;第2步采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对矩形网格模型中的网格边界角点神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到提高并覆盖数据点集整体分布范围。 相似文献
13.
一种新的散乱数据边界点提取方法 总被引:5,自引:0,他引:5
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 相似文献
14.
本文针对空间散乱数据, 提出一种基于RBF(Radial Basis Function)隐式模型的快速曲面重建方法,并实现了隐式曲面的可视化。三维离散数据由于分布稠密、不均匀,空间拓扑结构未知的特点,本文首先强调大规模散乱数据预处理的重要性。通过基于空间法向量约束和主元分析两种方法进行数据简化和特征提取。其次采用K-d tree数据结构进行空间数据分割,将全局模型转化为局部的RBF模型,从而通过求解线性方程组得到模型的权值系数。最后在局部交叠空间光滑拼接,得到一个代数表达形式的光滑曲面。实验结果表明,该方法适用于任意复杂物体的三维曲面重建,而且具有较高的重建精度。 相似文献
15.
16.
散乱数据点的邻近关系及参数化 总被引:1,自引:0,他引:1
逆向工程中要解决的重要问题之一是对散乱测量数据进行参数化处理。本文提出了建立散乱数据点间的邻近关系及基于这种关系的数据点凸组合映射参数化方法。实例表明 ,本文所介绍的方法简单可靠 ,可有效地处理三维散乱测量数据的参数化问题 相似文献
17.
散乱测量数据多层次B样条逼近曲面拟合算法 总被引:1,自引:0,他引:1
提出了一种散乱测量数据的快速曲面拟合方法。该方法使用由粗到精的有继承关系的控制网格分级,从而产生相应的拟合逼近函数,每一级都比前一级更加逼近测量数据。拟合曲面的精度与光顺性可通过适当选择分级层数得到控制。当控制网格分级足够多,密度足够大时,最后拟合结果是插值于测量数据的C2连续曲面。 相似文献
18.
Ming-Chih Huang Ching-Chih Tai 《The International Journal of Advanced Manufacturing Technology》2000,16(9):635-642
Reverse engineering has become an important tool for CAD model construction from the data points, measured by a coordinate
measuring machine (CMM), of an existing part. A major problem in reverse engineering is that the measured points having an
irregular format and unequal distribution are difficult to fit into a B-spline curve or surface. The paper presents a method
for pre-processing data points for curve fitting in reverse engineering. The proposed method has been developed to process
the measured data points before fitting into a B-spline form. The format of the new data points regenerated by the proposed
method is suitable for the requirements for fitting into a smooth B-spline curve with a good shape. The entire procedure of
this method involves filtering, curvature analysis, segmentation, regressing, and regenerating steps. The method is implemented
and used for a practical application in reverse engineering. The result of the reconstruction proves the viability of the
proposed method for integration with current commercial CAD systems. 相似文献