面向3D打印的三角网格模型高质量细分

为了提高3D打印中三角网格模型的精度和光滑度,提出一种基于局部曲面逼近的特征保持的三角网格模型细分算法。首先计算三角网格模型中每个顶点的高斯曲率,以高斯曲率为权值计算每个三角形中的新增细分点;然后对新增点的邻域进行特征保持的多元L_1中值曲面表示并得到新增点在该曲面表示中的空间位置;最后将新增点移至该位置处,从而完成模型高质量的细分处理。该算法有效提高了原始三角网格模型精度和光滑度的同时,还有效保持了原始的几何特征。实验结果表明了算法的有效性。     

基于三角形细分的三角网格模型表面体素化算法

针对现有三角网格模型表面体素化算法效率低的问题,提出一种基于三角形细分的三角网格模型表面体素化算法。该算法采用三角形细分方式获取大量顶点信息,采用面积阈值控制顶点的生成数量,并采用点的向量平移方式减少求解顶点坐标的计算量。通过建立顶点信息与三角形相交体素单元的一一对应关系实现三角网格模型的表面体素化。通过与现有2种算法在不同分辨率下的多种模型实验对比,表明该算法所需的采样点数量少于现有算法,在模型表面体素化效率方面优于现有算法。此外,所提算法也适用于亏格不为0和存在封闭内腔的三角网格模型。     

基于隐式曲面的三角网格模型等距算法

针对三角网格模型,提出了一种基于隐式曲面的等距算法.该算法首先对三角网格模型进行拓扑重建,然后对顶点进行八叉树采样,由采样点及采样点的单位法矢点来构建隐式曲面,将隐式曲面等距,最后将原模型的顶点投影到等距曲面得到投影点,根据先前建立的拓扑关系,将投影点三角网格化得到等距后的三角网格模型.该算法在一定数值范围内避免了等距模型自交问题,而且等距模型三角网格均匀,质量高.     

散乱数据点的快速三角剖分算法

提出了一种改进的波前扩展算法,该算法给出的候选点判断准则,可对数据点的K近邻进行快速过滤,并有效避免了单元自相交;建立的匹配点查找和优化准则,可生成局部优化的三角形网格单元;依据四种不同的查询结果,制定了相应的波前环更新和数据点标记方法.将波前扩展算法应用于具有复杂特征的散乱数据点的三角剖分中,结果表明,该算法可快速生成高质量的三角网格模型.     

三维扫描点云优化网格重建与软件系统实现

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。     

反求工程中基于边界扩展的三角网格构造

针对非接触式方式测量的大规模散乱点云数据建模，提出一种三角剖分算法，该算法适用于多张自由曲面片构成的曲面物体，尤其适用于含内孔的曲面对象。算法过程包括两个阶段：第一阶段，采用一种空间栅格装点法来进行初始点云数据精简，精简比率通过栅格小正方体单元尺寸控制；第二阶段，构造种子三角形，通过连接已剖分网格区域的边界边与最优扩展点采形成三角网格，从而向外延展，也可以时一个带有内孔的复杂自由曲面直接进行三角剖分，无需人工分区。实验结果表明该算法可以快速、有效地从三维数据点云建立几何模型。     

基于网格模型的空腔建模算法

提出了一个基于网格模型的空腔建模算法,目的是实现骨髓腔的精确建模.算法基于先离散后重建的思想,从三维网格模型的离散点云数据中搜索空腔边界环,根据空腔边界环进行三角划分得到最终的三维空腔模型.改进了判断内、外边界环的关系的射线法,并提出基于分层的三维点集空间直接三角划分算法,最后以股骨骨髓腔和牙髓腔的建模为例,验证了该算法的有效性和稳定性.     

组合三角Bézier曲面的延伸

在分析四边拓扑曲面延伸方法的基础上,根据组合三角曲面的特点,提出了组合三角曲面的延伸方向、延伸步距及延伸点的计算方法,由延伸点和原始边界点形成延伸曲面的三角网格,通过分析延伸曲面三角网格的空间关系,提出了延伸曲面的折皱、重叠等奇异情况的分析和处理方法,应用三角形的形状因子,对延伸曲面三角网格中的狭长三角形进行判定,通过延伸点的插入和归并,对三角形网格进行优化处理,以保证延伸曲面的三角网格的品质。最后对原始曲面和延伸曲面的三角网格进行整体G1插值构造,得到延伸后的组合三角曲面模型。应用结果表明,提出的方法可行,算法有效、快速。     

保持特征的高质量三角网格简化方法

为解决三维几何模型的庞大数据量给存储、传输等带来的困难,提出一种保持特征的高质量三角网格简化方法。通过顶点投影确定模型中各三角形的折叠点,根据折叠点计算各三角形折叠时产生的误差,按照误差值的大小对模型进行三角形折叠简化。实验结果表明,该网格简化方法在生成高质量简化模型的同时降低了简化模型的误差,并有效地保持了原始模型的几何特征。     

基于动态误差控制和PSO的三角网格模型简化优化方法

针对基于工业CT切片重建的三角网格模型简化时,大多数简化算法无法同时兼顾网格的细节特征、简化比例和网格质量等问题,提出一种基于动态误差控制和粒子群优化算法相结合的三角网格模型简化优化方法。该方法分为网格简化和网格优化两个阶段。首先,采用投影预测的方法确定折叠点,使用动态变化的距离误差阈值和角度误差阈值计算三角形的折叠代价,并按照折叠代价从小到大的顺序简化网格模型;然后,利用PSO算法对简化模型中的狭长三角形进行优化处理。实验结果表明,与现有网格简化方法相比,所提方法在控制网格模型简化比例的同时,可有效保持网格细节特征,生成高质量的简化网格模型。