心血管三维表面的NURBS重建方法

针对心血管三维表面重建的问题,采用NURBS(非均匀有理B样条)重构三维血管表面,研究了NURBS曲面的拟合算法和利用"权值"修改NURBS曲面的方法,并运用OpenGL技术实现了三维血管的虚拟显示。利用临床冠状动脉造影图像进行心血管三维重建实验,结果表明该重建方法比传统方法在重建精度和光顺性上都有明显的改善。     

逆向工程中NURBS曲面与直线交点快速计算

给出了一个能够方便地判断NURBS曲面片与空间直线的交点个数,并且超线性收敛的快速迭代算法。计算Krawczyk算子判断给定的NURBS曲面片和空间直线有无交点和有几个交点。再使用拟牛顿迭代法求出NURBS曲面片和空间直线上的交点。该算法在用点云数据检测曲面重构的误差时具有快速、准确的特点。     

基于蚁群的数据点NURBS曲面快速拟合研究

研究数据点的NURBS曲面拟合问题,提高拟合速率。针对所要拟合的数据点分布散乱,传统的基于遗传算法多次迭代,造成曲面拟合速率不高的问题。为解决上述问题,提出一种基于蚁群的数据点NURBS曲面拟合算法。通过采用蚁群寻址算法搜索出控制顶点和边界数据点集,计算曲面的权因子后完成NURBS曲面的拟合,并使用蚁群算法对拟合曲面进行优化,避免了传统方法多代遗传迭代造成的拟合速率不高的问题。实验表明,这种方法能够快速完成散乱数据点的NURBS曲面拟合,并且具有一定的拟合效率,取得了满意的结果。     

从点集重构曲面网格方法综述

本文主要对三维数据点重构曲面网格模型方法进行了综述。从三维数据点集重构曲面一般遵循以下三个步骤:1)重构曲面网格模型;2)网格简化;3)拟合曲面(通常为Bezier,NURBS),其中重构曲面网格为关键的一步;三维数据点集由三维数字化仪采集得到,不同的数字化设备,得到的三维数据点集可能会有差别,重构曲面网格的算法也不尽相同。本文介绍了几种对于不同数据形式、有代表性的重构曲面网格算法。     

从点集重构曲面网络方法综述

本文主要对三维数据点重构曲面网格模型方法进行了综述。从三维数据点集重构曲面一般遵循以下三个步骤：1）重构曲面网格模型；2）网格简化；3）拟合曲面（通常为Bezier,NURBS),其中重构曲面网格为关键的一点，三维数据点集由三维数字化仪采集得到，不同的数字化设备，得到的三维数据点集可能会有差别，重构曲面网格的算法也不尽相同，本文介绍了几种对于不同数据形式，有代表性的重构曲面网格算法。     

散乱点云特征面拟合与求交算法

逆向建模的主要目标就是通过曲面重构,向CAD输入NURBS等曲面模型。曲率是曲面的基本信息,采用二次曲面法估算点云曲率,结合曲率法和统计法对点云进行特征型面分割,有效识别了平面、圆柱面和球面等规则曲面。采用最小二乘拟合法求解曲面参数,拟合NURBS曲面,并采用Newton-Raphson迭代法求解面与面的相交线。实验中规则模型的特征面识别率达到100%,复杂规则几何模型的主要特征面能正确识别。实验结果表明该方法在以规则型面为主要特征的零件模型重构应用中的有效性。     

一种基于散乱点云的边界提取算法

点云边界是曲面的重要特征之一,边界线的快速准确提取对于提高曲面重构的效率和质量具有重要意义。首先,采用基于kd-tree搜索的方法建立点云空间拓补关系,进行K邻域快速搜索,以采样点及其K邻域作为局部型面参考依据拟合微切平面,将其向微切平面投影;其次,在微切平面上建立局部坐标系,并对投影点进行参数化,根据邻域点集在采样点处的场力大小之和可以表示点集的平均作用来识别点云的边界特征点;最后,从提高边界线连续性的角度,利用NURBS曲线插值方法连接边界线。实验结果表明,该算法可以快速、有效地提取出点云的边界特征点,并得到C2连续的边界线,满足曲面重构的要求。     

反求工程中的混合切片技术

提出一种基于平面与“点云”、平面与NURBS曲面求交计算的混合切片方法．该方法可以保证切片曲线在点云和曲面的连接处达到G^1连续，在此基础上的重构曲面既能保证与相邻曲面的连续性要求，又能满足对点云的逼近精度要求，对反求建模尤其是过渡特征的重建有着重要意义．文中详细探讨了平面与曲面求交和点云切片两个核心算法，并对基于模型特征的混合切片方案的选择原则以及不同方法进行了论述和比较．最后用实例证明该方法在反求建模中是切实可行的．     

NURBS扫描体的逼近算法研究

提供了一种NURBS扫描体的逼近方法。该方法主要步骤：(1)通过系列平面切割,把NURBS曲面(实体)进行降维处理,变成平面曲线;(2)为曲线设置局部标架;(3)在局部标架下求出每一曲线在每一时刻的极值点后将其转换成原曲线的奇异点;(4)使用marching cubes算法剔除扫描体内部点,保留扫描体边界上的奇异点;(5)由所有保留点拟合成奇异曲面。本算法能较好地逼近NURBS扫描体,其逼近精度可通过控制切割精度和扫描过程中时间间隔的选取而得到有效控制。     

核回归方法的散点拟合曲面重构

散点曲面重构是计算机图形学中的一个基本问题,针对这个问题提出了一种全新的基于核回归方法的散点曲面重构方法,使用二维信号处理方法中非参数滤波等成熟手段进行曲面重构.这种方法可以生成任意阶数连续的曲面,在理论上保证了生成曲面的连续性,可以自定义网格的拓扑,在曲率大或者感兴趣的局部能够自适应调整网格点的密度,生成的结果方便LOD建模,数据的拟合精度也可以通过调整滤波参数控制,算法自适应调整滤波器的方向,使结果曲面可以更好保持尖锐特征.同时在构造过程中避免了传统的细分曲面方法中迭代、Delaunay剖分和点云数据中重采样等时间开销大的过程,提高了效率.对于采样不均、噪声较大的数据,该算法的鲁棒性很好.实验表明这种曲面建模方法能够散点重构出精度较高的连续曲面,在效率上有很大提高,在只需要估计曲面和其一阶导数时,利用Nadaraya-Watson快速算法可以使算法时间复杂度降为O(N),远低于其他曲面重构平滑方法.同时算法可以对曲面的局部点云密度、网格顶点法矢等信息做有效的估计.重构出的曲面对类似数字高程模型(DEM)的数据可以保证以上的优点.但如果散点数据不能被投影到2维平面上,曲面重构就需要包括基网格生成、重构面片缝合等过程.缝合边缘的连续性也不能在理论上得到保证.     

一种基于NURBS理论的曲面逼近优化算法

针对三维扫描数据点的曲面重构技术在实际系统中的应用,提出了一种NURBS曲面构造方法,该方法根据已知数据点逼近目标曲面.通过实际系统应用验证,该方法是一种行之有效的曲面拟合方法.     

截面线数据的曲面蒙皮重构技术研究

为了保持曲面形状的平滑性，在曲面重构过程中经常会出现曲面形状的变异，针对带有精确截面信息的截面线数据的三维曲面重构问题，提出了一种NURBS曲面蒙皮重构方法。该方法产生一个连续的NURBS曲面，改进了传统曲面蒙皮重构方法在处理非均匀截面数据点时出现的一系列问题，通过实际系统验证了该方法的有效性。     

基于RBF神经网络NURBS的散乱数据点自由曲面重建

根据径向基函数(RBF)神经网络可以用任意精度逼近任何非线性函数,以及强大的抗噪、修复能力等优点,该文采用RBF神经网络模型进行自由曲面重构,建立了适合曲面重构的径向基函数网络模型。进行了理论分析,并在非均匀有理B样条(NURBS)曲面上做了仿真试验。结果表明:该模型不仅能够有效地逼近不完善的、带有噪声的曲面,而且学习速度很快,提高了对破损、不完全曲面重建的效率和精度,得到的曲面光顺性好。     

Iteration and optimization scheme for the reconstruction of 3D surfaces based on non-uniform rational B-splines

Curve or surface reconstruction is a challenging problem in the fields of engineering design, virtual reality, film making and data visualization. Non-uniform rational B-spline (NURBS) fitting has been applied to curve and surface reconstruction for many years because it is a flexible method and can be used to build many complex mathematical models, unlike certain other methods. To apply NURBS fitting, there are two major difficult sub-problems that must be solved: (1) the determination of a knot vector and (2) the computation of weights and the parameterization of data points. These two problems are quite challenging and determine the effectiveness of the overall NURBS fit. In this study, we propose a new method, which is a combination of a hybrid optimization algorithm and an iterative scheme (with the acronym HOAAI), to address these difficulties. The novelties of our proposed method are the following: (1) it introduces a projected optimization algorithm for optimizing the weights and the parameterization of the data points, (2) it provides an iterative scheme to determine the knot vectors, which is based on the calculated point parameterization, and (3) it proposes the boundary-determined parameterization and the partition-based parameterization for unorganized points. We conduct numerical experiments to measure the performance of the proposed HOAAI with six test problems, including a complicated curve, twisted and singular surfaces, unorganized data points and, most importantly, real measured data points from the Mashan Pumped Storage Power Station in China. The simulation results show that the proposed HOAAI is very fast, effective and robust against noise. Furthermore, a comparison with other approaches indicates that the HOAAI is competitive in terms of both accuracy and runtime costs.     

基于NURBS曲面拟合的三角网格曲率计算

针对三角网格提出了一种基于NURBS曲面拟合的计算Gauss曲率和平均曲率的算法。首先选取边界检测后的二阶邻点作为局部拟合数据,采用直接投影法实现参数化,由二次NURBS曲面进行最小平方拟合反算控制点矩阵,最后由拟合曲面计算曲率。并从三角网格分辨率和噪声两方面进行了比较,实验结果表明本文算法精度高、较其他算法稳定,因而更具通用性。     

反向工程中NURBS曲面CAD重构技术研究

CAD几何模型重构技术是反向工程RE(Reverse Engineering)技术的核心,NURBS(Non-Uniform Rational B-Splines)方法因其表示法的形状控制灵活性,在曲面造型和曲面重构中具有重要作用.针对CAD曲面重构技术进行研究,并对NURBS曲面重构提出一种新的构建方法,将每个数据点相对应的有理基函数的参数值最大化,所得函数值作为数据点的参数值来构造NURBS参数曲面.最后通过实例证明了该方法的有效性.     

NURBS surface fitting using orthogonal coordinate transform for rapid product development

Constructing a CAD model from a physical model plays a key role in some rapid product development processes. Presented in the paper is a method of fitting NURBS surfaces for rotational freeform shapes: (1) cloud-of-points data (COP-data) representing a rotational freeform shape are transformed into an orthogonal coordinate system, (2) a single-valued B-spline surface is fitted to the transformed data, and (3) the resulting B-spline surface is converted to a 3D NURBS surface by applying a symbolic product operation with a quadratic NURBS base-geometry. Compared to the existing ‘direct’ fitting methods, the proposed method has some distinctive advantages: it provides a natural means to parameterization, enables to recover exact NURBS geometry when the COP-data represent a true surface-of-revolution, and allows an easy point-membership classification for NURBS-bounded solid objects.     

用神经网络实现NURBS曲面重构

曲面重构问题是几何逆向工程中的首要问题,为了获得物体的几何模型(某些物体可能发生部分损坏)需要从大量的测量点构造曲面。该文采用了一个神经网络模型和相应的快速学习算法应用于曲面重建。该模型可以有效地逼近曲面并剔除输入数据点中的“坏”点。     

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。