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。     

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．     

点云数据集的隐式曲面重构研究进展

点云数据的曲面重建就是对扫描设备获得的物体散乱数据点重建三维物体表面,它被广泛应用于计算机动画、目标识别、数据可视化以及地理信息系统。点云的隐式曲面重建由于能够去除点云噪声,修补孔洞和裂缝,不需要拼接和平滑等后续处理,成为点云数据集曲面重构的重要方法。文中综述了目前一些主要的隐式曲面重构方法,就隐式模型以及相应的曲面重构算法的优缺点进行了分析比较,并对隐式曲面重构存在的问题和未来发展方向作了相应的分析和讨论。     

基于椭球约束的径向基函数隐式曲面重建

对三维点云进行隐式曲面重建是解决虚拟现实等方面所存在问题的关键。本文提出 了一种基于椭球约束的径向基函数隐式曲面建模的算法,该方法在仅有点云信息的前提下仍能够 非常精确地拟合点云数据。当点云稀疏时拟合后的模型可以非常好地保证模型的主要特征,但对 于拟合大规模数据点集时,模型会出现冗余现象,保特征效果不理想且效率低下。需将点云进行 适当分割,然后并行拟合被分割点云并将它们进行光滑拼接处理。实验效果表明该算法保特征效 果非常好且效率明显提高。     

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。     

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。     

稠密采样点模型的快速隐式曲面重建

算法以稠密采样点模型表面局部区域内的双边滤波函数值为依据,模型表面附近任意一点的函数值通过与该点最近的模型表面的K个采样点数据直接计算得到。与已有的隐式曲面重建方法相比,该方法既不用曲面内部或外部的支撑点,也不用求解线性和非线性方程,其重建速度快。此外,由于采用双边滤波函数作为其重建的隐式曲面的函数值,因此还能对带有噪声的采样点模型进行特征保持的表面重建。实验结果表明,对于稠密采样点模型,该方法可以快速重建出逼近程度高,效果好的曲面。     

利用隐式曲面创建实体的多分辨率表示

最近 ,对隐式曲面的研究取得了一些新进展 ,研究者可以通过对一个点集的插值来得到隐式曲面 ,插值过程只需要求解一个简单的线性系统即可 .采用基于包围球的层次结构对原始点集进行不同尺度的采样 ,使用采样后的点集来构造隐式曲面 ,从而得到实体的不同尺度的表示形式 .与基于多边形网格的表示形式相比 ,作者探讨了利用插值型隐式曲面来创建多尺度表示的一些优点     

一种保特征的隐式曲面算法

结合径向基函数和隐式曲面构造原理,提出了一种保特征的隐式曲面重建算法。应用紧支撑单元产生稀疏的矩阵,降低了计算复杂度,可重建大规模的点云数据。通过几次简单调整支撑域内点的个数,获得保持原特征的重建效果。实验结果证明,算法可以保持原模型的特征。     

基于BP神经网络的隐式曲面构造方法

通过把BP神经网络与隐式曲面构造原理相结合,提出构造隐式曲面的新方法.用约束点来描述、控制曲面形状,构造BP网的输入与输出,通过智能学习、仿真模拟,最后从仿真超曲面抽取出的零等值面就是隐式曲面.同时,从理论上证明了此方法所构造的隐式曲面具有任意精度.实验表明该方法对约束点的个数、误差、内外点与边点的距离等不敏感,表现出很好的稳定性与可操作性.该构造方法不仅可用于构造隐式曲面,而且在图形理解、数据分类等领域也具有良好的应用前景.     

点法约束下厄米径向基隐式自由光学曲面的光滑构造EI北大核心CSCD

自由曲面因其具有更高自由度成为光学设计与制造的重要工具,二次支撑包络曲面因具有内在可积性成为自由曲面光学设计的主流方法之一,但其通常是不光滑的,需要进一步求解其光滑包络面以满足加工要求.以二次支撑曲面上的采样型值点和对应单位法向量作为约束条件,利用基于厄米径向基的隐式曲面方法成功地生成了投射均匀方斑的光滑自由光学曲面;进一步在型值点细分插值和支撑子面规模2个方面优化了点法约束条件.与已有曲面重建算法相比较,所提算法具有更小的点法误差和更好的光束整形效果.     

基于广义多项式神经网络的点云数据隐式曲面重构方法

针对点云数据的三维重建问题,提出了一种隐曲面重构的广义多项式神经网络新方法.该广义多项式神经网络隐层各神经元激励函数互不相同且线性无关,能够对应地学习点云数据样本中不同的模式,因此,具有较好的学习能力.基于梯度下降法原理,推导了其学习算法.仿真实验尝试将该方法应用于一些简单封闭物体的带噪点云数据隐式曲面重建,取得了较理想的重建质量和去噪效果.     

隐式曲面／参数曲面的求交算法

本文介绍了一种实用有效的隐式曲面／参数曲面求交算法。算法主要分为两部分：特征初始点的求取和单调段的跟踪。解双变量多项式方程求解特征初始点。跟踪在三维空间进行，易于控制跟踪步长和离散交点对交线的逼近精度。算法不离散参数曲面，不漏交。     

大规模孔洞点云的快速重建算法研究 *

针对实际中经常存在的含有孔洞的点云数据 ,在原多层重建算法的基础上提出了一种可以进行点云补洞的快速曲面重建算法。首先对散乱点云数据进行空间自适应八叉剖分 ,然后对点云数据进行由粗到精的多层插值 ,建立隐式曲面方程 ,最后提出了两种加快重建的方法。加速算法可以减少重建时间 ,非常有利于处理大规模点云。实验结果证明 ,本算法对点云孔洞修补效果良好 ,重建速度快 ,效率高。     

基于径向基函数的三角网格曲面孔洞修补算法

提出一种对三角网格曲面中孔洞的修补算法,在对孔洞多边形进行填补后,使用径向基函数建立孔洞曲面的隐式方程,然后把新增加的三角片顶点映射到曲面上．由于在修补时不仅考虑了对孔洞多边形的三角划分问题,还考虑了孔洞周围的几何信息,使得修补后的孔洞曲面与原始曲面光滑地融为一体,尤其对曲率变化较剧烈部位处的孔洞取得了理想的修补效果．     

隐式T样条实现封闭曲面重建

为了简化法向偏差约束条件和优化光滑能量项,提出一种隐式T样条曲面重建算法.首先利用八叉树及其细分过程从采样点集构造三维T网格,以确定每个控制系数对应的混合函数;然后基于隐式T样条曲面建立目标函数,利用偏移曲面点集控制法向,采用广义交叉检验(GCV)方法估计最优光滑项系数,并依据最优化原理将该问题转化为线性方程组求解得到控制系数,从而实现三角网格曲面到光滑曲面的重建.在误差较大的区域插入控制系数进行T网格局部修正,使得重建曲面达到指定精度.该算法使重建曲面C1连续条件得到松弛,同时给出最优的光顺项系数估计,较好地解决了封闭曲面的重建问题.实例结果表明,文中算法逼近精度高,运算速度快,仿真结果逼真.     

平行断层轮廓线的RBF隐函数曲面造型

将基于径向基函数（Radial Basis Function,RBF)的隐函数插值技术应用于平行断层轮廓线的曲面造型，由于RBF造型方法以曲面能量最小化为目标，因此能够生成较为光滑的曲面，其缺点是计算量较大，文中提出以分段进行曲面重构的局部RBF技术来降低问题的规模和复杂度，并提出相应的快速隐函数多边形化的算法，实验结果表明，该算法是一个较实用的造型方法。     

使用局部支撑径向基函数的隐式曲线曲面几何迭代算法

由散乱数据稳定重构曲线曲面,在变分拟插值方法的基础之上,提出了使用局部支撑径向基函数的隐式几何迭代算法.首先,根据给定数据点的法向构造隐式函数的非零约束,构造计算隐函数系数的迭代格式,并讨论其收敛性;然后,在此基础上引入加速因子,对隐式迭代算法进行加速,同时讨论了加速算法的收敛性;最后,为了降低迭代过程空间和时间的复杂度,给出了一种加速算法的改进版本.数值实验表明,使用局部支撑径向基函数的隐式几何迭代算法对曲线曲面重构是有效的,并对部分信息缺失、非均匀分布、带噪声采样数据的重构也达到了较好的效果,且实现简单,易于并行.     

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。