测量点集的简化及其隐式曲面重建误差分析

基于测量点集的模型重建是逆向工程中的关键环节,为提高模型重建精度和重建效率、保证为模型重建提供必需的信息,简化测量点集、分析重建误差是十分必要的。首先实现了一种测量点集的快速简化算法,然后提出了采用紧支撑径向基函数建立简化后点集的隐式曲面方程,从而实现重建误差分析的方法。实例结果表明,本文简化算法效率较高、效果良好,运用隐式曲面实现的重建误差分析为简化测量点集提供了误差依据。     

基于径向基函数的单级插值隐式曲面重构

研究基于径向基函数单级插值隐式曲面重构问题．探讨基于标准紧支撑径向基函数和变形径向基函数插值的参数求解过程。实验结果表明,该方法能有效地构造隐式曲面。并且插值过程相当快。     

径向基函数网络的隐式曲面方法

将径向基函数网络与隐式曲面构造原理相结合,提出一种构造隐式曲面的方法．首先以描述物体曲面的隐式函数为基础构造三元显式函数,然后用径向基函数网络逼近显式函数,最后从神经网络的仿真超曲面得到描述物体的封闭曲面;并证明了在理论上此等值面可以以任意精度逼近物体曲面．该方法具有光滑度高、稳定性好,尤其适用少量采样点情形等特点．实验表明,它具有很强的造型能力．     

基于拓扑不变性的GSRBF隐式曲面重建

为提高大规模点云曲面重建的精度和效率,提出一种基于拓扑不变性的全局支撑的径向基函数(GSRBF)隐式曲面重建算法。结合Hausdorff算法,根据点云的主曲率和高斯曲率引入一个临界值,防止提取特征点时产生较大误差,构造特征点点云拓扑同胚的拓扑结构;引入八叉树网格划分法进行点云拓扑关系的构造,通过构造与模型控制网格拓扑同胚的拓扑结构来重建曲面的拓扑;构造基函数确定特征点的影响范围,将其归一化得到曲面拓扑上的单位分解,复合单位分解与特征点得到隐式曲面。实验结果表明,该算法适用于任意拓扑的曲面重建,具有较高的精度和效率。     

基于RBF神经网络的点云数据曲面重建快速算法

在分析现有重构方法局限性的基础上,给出了一种基于神经网络的点云数据重构三维网格形状的快速算法。首先对点云数据进行归一化处理;然后进行特征线提取,并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点或曲面的控制网格,通过神经网络的权值约束实现曲线段或曲面片之间的连接。实验结果表明,使用该方法能快速获得形状良好的网格曲面。     

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson方法。     

基于参数限定的CS-RBF曲面重建算法*

针对非密度均匀的点云,提出了一种高效保持特征的曲面重建算法。首先利用八叉树进行点云空间分割,然后对每个点在小邻域内求出局部逼近曲面,建立隐式曲面方程。通过参数限定点的邻域范围,使整个算法既保证了重建效果,又不致于很大程度上增加重建时间,达到了速度和效果在一个范围内的平衡。实验结果证明,本算法重建效果良好,适用于各种散乱点云的重建。     

特征驱动的曲面重建

提出了基于散乱空间点集进行曲面重建的新方法,从点集的空间位置信息中提取待建曲面的内蕴特征量——法向和曲率,利用点集的这些特征信息来确定拓扑重建的搜索空间,采用面片生长的方式重建曲面。该方法在快速获得正确拓扑连接的同时,直接生成了用较少的面片就能保持曲面特征的优化网格。     

特征驱动的曲面重建*

提出了基于散乱空间点集进行曲面重建的新方法,从点集的空间位置信息中提取待建曲面的内蕴特征量——法向和曲率,利用点集的这些特征信息来确定拓扑重建的搜索空间,采用面片生长的方式重建曲面。该方法在快速获得正确拓扑连接的同时,直接生成了用较少的面片就能保持曲面特征的优化网格。     

基于边界检测的三维散乱点快速曲面重建算法

针对Power Crust算法提出一种带边界检测的不均匀降采样算法。曲面重建前先通过该算法减少参与运算的采样点,表面特征丰富的区域削减的采样点数远小于特征不丰富的区域,再进行曲面重建。通过实例表明该算法大大加快了散乱点数据的重建速度,而且很好地保持了模型表面的特征,能够较为真实地重建出曲面模型。     

应用高斯曲率积分的曲面可展化分片方法研究

对空间曲面的分片算法进行了研究,以高斯曲率的绝对值对面积的积分与曲面面积的比值作为曲面分片系数,并以各曲面单元分片系数的和作为曲面分片的控制值。在给定分片控制值的约束条件下,通过对任意空间曲面进行离散化、反算拟合及曲面单元累加实现曲面分片。控制各曲面片分片系数累加值使之小于一定的控制值以使各分片近似可展。以空间双曲曲面为算例对分片算法的有效性进行了验证。     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

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。     

面向非均匀采样点集的3维表面重建算法

针对非均匀采样点集,提出一种改进的3维表面重建方法。该方法将整个点集进行空间划分,缩小近邻点的搜索范围,减少搜索时间;在确定近邻点时,先计算几何近邻点,然后通过求方向性点并构造最小生成树的方法,确定拓扑近邻点;最后通过将拓扑近邻点投影到局部切平面上,利用约束条件对投影点进行三角剖分,并将剖分得到的顶点连接关系映射到3维空间中,实现3维表面重建。实验结果表明,改进后的算法运行效率高、重建效果好、广泛适用于非均匀采样点集的表面重建。     

空间采样点的隐式曲面表示与优化

基于元球隐式曲面表示,提出一个对给定3维物体表面采样数据进行自动曲面重建的方法。首先由空间采样点获取它们的球逼近表示;然后使用这些球作为元球的初始估计,构造出一张初始的元球隐式曲面;最后通过一个能量优化过程调整每个元球的形状参数,得到最终的隐式曲面。球的位置与形状的有效估计和局部支撑的元球核函数的使用极大地加速了曲面优化过程。实验结果表明该方法是有效而实用的。     

一种面向扩展空间对象的密度聚类算法

提出一个面向扩展空间对象的基于密度的空间聚类算法,对点、线和多边形等扩展空间对象进行聚类。在该算法中,通过空间对象的缓冲区统一计算各对象在其附近空间的密度值,并根据参数区分两类不同的空间聚类应用场景,从而实现对空间对象的分类。实验表明,算法能够较好实现对空间对象分类。     

基于医学图像的复杂曲面重建

为了更准确地重建复杂的三维医学数据模型,把二维医学图像轮廓线上的像素点转化为三维点云,引入经典的泊松点云重建技术。由于泊松重建的效果依赖于点云法向的准确性,针对轮廓线数据的特点,结合图像二维梯度方向,给出了点云法向的一致定向及基于已知定向进一步精确估计法向的方法。泊松重建方法作为一种隐式重建技术,可以很好地处理医学图像数据中经常存在的噪声、拓扑复杂等问题。鼻咽喉模型重建的结果说明,一致定向方法改进了传统的一致定向方法,得到了更为准确的医学重建模型。