共查询到20条相似文献,搜索用时 250 毫秒
1.
2.
3.
对三维模型和点云曲面重构方法进行深入研究,根据应用特点提出八叉树空间分割和N U RBS曲面重构方法。利用八叉树的快速收敛特性对三维实体的点云数据进行分割、精简,采用N U RBS方法对局部网格曲面进行重构;采用八叉树和四叉树相混合的数据结构,渐进地进行网格曲面的重构。存储结构采用扩展式八叉树结构,编码采用8进制前缀编码方法。利用O penG L设计一个实验模型系统验证了该算法的可行性和有效性。 相似文献
4.
三角网格模型的特征线提取 总被引:19,自引:5,他引:19
在反求工程中,散乱数据点云的曲面重构常采用三角网格模型,若将其转换成曲面实体模型则有更广泛的应用,从三角网格模型中提取特征线是转换过程中的重要步骤.在讨论反求工程中数据点云分块方法的基础上,采取“基于边”的方法来提取特征线:先提取特征点,再连接成特征线.根据相邻三角片的法矢夹角和各点主曲率是否为极值,分两次提取特征点,利用三角顶点加权和均匀化等方法减少狭长三角片对特征点提取的计算误差影响,再将特征点分组连接成B样条曲线.文中算法的结果可为B样条曲面分片拟合和建立B-rep曲面实体模型提供依据。 相似文献
5.
给出一种基于细分曲面技术实现散乱数据点的多分辨率曲面重构的方法。在曲面重构过程中,依据灰度图像边缘检测思想分析散乱数据特征值,将这些特征值生成纹理特征曲线进行曲面细分,从而形成了多分辨率网格模型结构。经过测试,该方法不仅重构曲面时间短,同时构造出的细分曲面能较好地反映原始数据的细节特征。 相似文献
6.
改进了一种三维散乱点云三角剖分算法。三角剖分是点云数据曲面重构的主要算法之一,但针对三维散乱点云的三角剖分存在剖分效率不高,剖分得到的三角曲面形状无法控制,细节特征表现不足的问题。提出了基于空间栅格划分的三角剖分算法,并提出了一个新的评价函数,以控制三角网格曲面的生长。实验证明,改进后的算法极大的提高了剖分效率,而且能保证最终生成的三角网格曲面平滑而保有丰富的细节特征,适用于在虚拟现实、曲面重构等领域推广使用。 相似文献
7.
三维散乱点云快速曲面重建算法 总被引:1,自引:0,他引:1
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。 相似文献
8.
目前逆向工程中广泛采用激光扫描法来获取数据,测量过程中不可避免地混有不合理的噪声点,导致重构的曲线、曲面不光滑,因此,需要去除数据中的噪声点。对激光线扫描法获取数据的噪声点处理方法进行了研究。噪声点处理方法与点云数据的排列形式有关,通过对点云数据噪声数学模型的分析,认为激光线扫描法获取数据时,噪声点的产生主要是由随机误差引起的,其特点是幅值大,在光刀扫描线上引起较大的尖峰,据此提出一种简单、快速、实用的降噪方法——随机滤波法。该方法通过比较连续点之间的相对位置,给定一个阈值,将其中位置起伏较大的点判定为噪声点并予以去除。通过实例验证该方法能满足曲线、曲面重构的要求。 相似文献
9.
10.
杂乱点云的快速曲线拟合算法研究 总被引:4,自引:0,他引:4
针对杂乱点云的曲线拟合问题,根据Bezier曲线原理,给出了一种改进的曲线拟合算法。算法在保持曲面特征基本信息的前提下,先对测量到的杂乱点云进行平行切割,再对切割后的截线云进行插入排序,然后从中选点用Bezier曲线来拟合、逼近截线云。实践证明,该算法高效、稳定,可以快速地重构出三维形体的特征曲线。 相似文献
11.
研究激光扫描中的点云数据重构技术,提出一种基于规则点云数据的快速曲面重构方法。分析相邻扫描线之间数据点的相对位置关系,在三角剖分的基础上,设计改进的扫描线剖分算法,根据激光逐行扫描的特点,对点云数据进行不规则三角网格划分,利用几何关系进行配对构网,并在所建三角模型的基础上实现三角网格的局部优化和纹理映射,得到重建模型。实验结果表明,与传统Delaunay空间三角剖分算法相比,该算法可明显提高三角构网速度和质量,消除空洞,改善重建效果。 相似文献
12.
自动从点云数据生成建筑信息模型(BIM)一直是建筑自动化领域的研究热点。基于
传统算法的建筑自动三维重建的缺点包括人工设计特征,识别过程复杂,应用场景有限等。随
着三维机器学习领域的不断成熟,处理点云便有了新的手段。通过引入实例分割中的 ASIS 网
络框架对点云进行处理,即从扫描点云场景中自动分割和分类建筑构建元素并得到实例分割矩
阵。接着,基于包围盒假设从得到的实例分割矩阵中提取建筑构件外轮廓参数,并将外轮廓参
数和分割的语义分类结果作为 BIM 建模的构件参数。最后,将这些提取的构件参数输入到自制
的 IFC 生成器中,自动生成基于工业基础类(IFC)标准的 BIM 模型。实验表明,利用无噪点点
云方法,可实现基于曼哈顿世界假设下的室内单房间的三维重建。 相似文献
13.
基于等高线的三角网建模及真实感地形重建 总被引:2,自引:0,他引:2
三维地形是自然环境模拟中不可缺少的重要组成部分,具有广泛的应用价值.文中提出了一种基于等高线的三角网建模算法.该算法利用等高线固有的特性及其比邻拓扑关系,将等高线作为特征线并适当增加特征点,改进三角网生长算法,构建带约束条件的狄洛尼三角网.实验采用我国东北某山区的真实等高线数据运用该算法模拟地形.结果表明,该算法具有较高的构网效率,保留了等高线所包含的丰富的地形特征,较好地实现了三维真实感地形重建. 相似文献
14.
基于径向基函数网络的隐式曲线 总被引:5,自引:1,他引:4
将径向基函数网络与隐式曲线构造原理相结合,提出了构造隐式曲线的新方法,即首先由约束点构造神经网络的输入与输出,把描述物体边界曲线的隐式函数转化为显式函数,然后用径向基函数网络对此显式函数进行逼近,最后由神经网络的仿真曲面得到物体边界的拟合曲线.实验表明,基于径向基函数网络的隐式曲线具有很强的物体边界描述能力和缺损修复能 力. 相似文献
15.
16.
为了解决由原始点云数据局部密度稀疏、不均匀或者法向量错误等制约因素引起的重建网格质量问题,利用对抗神经网络中权重共享的特性和对抗的训练过程,提出一种基于对抗网络的点云三维重建方法。首先,利用预测器对网格模型边的偏移量进行预测,从而得到每一个顶点的位移,并进行拓扑保持的顶点重定向,得到新的网格模型。然后,利用判别器中的点云分类器,提取原始点云数据和网格模型表面采样点集的高维特征,并基于高维特征进行空间感知的判别,用于区分原始点云与采样点集数据。最后,使用对抗的训练方式将预测器与判别器的输出数据关联起来,通过多次迭代优化网络模型,从而得到满足点云空间特征的三维网格模型。在不同的点云数据集上进行实验,并使用MeshLab软件进行效果展示,结果表明,该方法能够重建出满足点云空间信息的三维网格模型,同时能够解决粗劣的点云数据引起的网格质量问题。 相似文献
17.
由一组平行轮廓线重构三维闭合表面是三维可视化研究的主要内容之一。文中通过对B样条插值算法的研究,提出了一种新的公共节点矢量确定方法,利用该方法首先对经过预处理的CT牙齿图片提取轮廓线获得三维数据点,之后对轮廓线数据点进行B样条曲线的拟合,在每条拟合曲线上根据所确定的节点矢量值重新采样,由重新采样的三维数据点利用B样条曲面插值算法构造闭合曲面.所构造的闭合曲面是对原始轮廓数据的拟合。通过实例验证可看出该方法可获得较好的拟合曲面,经过误差分析检测,满足拟合条件,因此该方法可以保证几何重建的准确性。 相似文献
18.
基于BP神经网络的隐式曲线构造方法 总被引:2,自引:0,他引:2
隐式曲线与曲面是当前计算机图形学研究的热点之一。通过把BP神经网络与隐式曲线构造原理相结合,提出了一种构造隐式曲线的新方法,即首先由约束点构造神经网络的输入与输出,把描述物体边界曲线的隐式函数转化为显式函数;然后用BP神经网络对此显式函数进行逼近;最后由仿真曲面得到物体边界的拟合曲线。该新方法不同于传统的对显式函数的逼近方法,因为传统方法无法描述封闭的曲线;也不同于基于优化的拟合隐式曲线方法,因为它无须考虑函数的形式或多项式的次数。实验表明,该新方法有很强的物体边界描述能力和缺损修复能力,因而在物体边界重建、缺损图像复原等领域有一定的应用前景。 相似文献
19.
Detection of closed sharp edges in point clouds using normal estimation and graph theory 总被引:8,自引:0,他引:8
The reconstruction of a surface model from a point cloud is an important task in the reverse engineering of industrial parts. We aim at constructing a curve network on the point cloud that will define the border of the various surface patches. In this paper, we present an algorithm to extract closed sharp feature lines, which is necessary to create such a closed curve network. We use a first order segmentation to extract candidate feature points and process them as a graph to recover the sharp feature lines. To this end, a minimum spanning tree is constructed and afterwards a reconnection procedure closes the lines. The algorithm is fast and gives good results for real-world point sets from industrial applications. 相似文献
20.
In this study, a method for generation of sectional contour curves directly from cloud point data is given. This method computes contour curves for rapid prototyping model generation via adaptive slicing, data points reducing and B-spline curve fitting. In this approach, first a cloud point data set is segmented along the component building direction to a number of layers. The points are projected to the mid-plane of the layer to form a 2-dimensional (2D) band of scattered points. These points are then utilized to construct a boundary curve. A number of points are picked up along the band and a B-spline curve is fitted. Then points are selected on the B-spline curve based on its discrete curvature. These are the points used as centers for generation of circles with a user-define radius to capture a piece of the scattered band. The geometric center of the points lying within these circles is treated as a control point for a B-spline curve fitting that represents a boundary contour curve. The advantage of this method is simplicity and insensitivity to common small inaccuracies. Two experimental results are included to demonstrate the effectiveness and applicability of the proposed method. 相似文献