判定点集是否在多边形内部的算法

本文提出了判定ｎ个点的点集Ｓ是否落入多边形Ｌ内部的算法，该算法的复杂性为：ｍａｘ（Ｏ（ｍｎ），Ｏ（ｌｎ ｌｏｇ ｎ））比比较和Ｏ（ｌｎ）次乘法，其中ｍ是Ｌ的顶点数，ｌ为Ｓ的凸包层数。     

四点插值细分算法极限曲线曲面C2连续的充分必要条件

研究了四点插值细分算法的连续性．用若当标准形重新证明了Dyn的一个定理，从而得到了一个极限函数具有二阶导函数的充分必要条件及二阶导函数的解析表达式；并将结果推广到曲面的情形．     

基于双参数四点细分法的曲面造型

将双参数四点细分曲线方法进行推广，提出了基于双参数四点细分法的曲面造型方法，并对其收敛性进行了分析。该方法通过对两个参数的适当调节能够较容易地控制极限曲面的形状，极限曲面能够达到C4连续，可以应用到对曲面的连续性要求较高的曲面造型中去。在给定初始数据的条件下，可通过对形状参数的适当选择来实现对极限曲面的形状调整和控制，试验表明该算法生成光滑曲面是有效的。     

确定平面点集凸包的一类最优算法

确定平面点集的凸包问题在计算机图形学、图象处理、ＶＬＳＩ设计与ＣＡＤ／ＣＡＭ等众多领域中有广泛的应用，多年来人们一直在寻找此问题的决策算法。     

四点法及保凸算法

四点插值细分法（简称四点法）是一种离散插值方法，在曲线和曲面造型中有较广泛的应用。本文给出了四点法的一个保凸算法。     

一种三次非均匀B样条曲线的细分算法

近几年来,以B样条曲线为代表的曲线细分已成为计算机图形学领域的一项重要研究内容。提出一种基于对分方式的细分算法,能均匀地细分曲线,并用较少的细分次数得到对曲线较好的逼近效果。采用该细分算法,方便而快速地在计算机上绘制B样条曲线,对给定参数做出更加优良的控制动作,并提高控制系统的运动速度和曲线的显示速度,实例表明了该算法的有效性。     

求解曲面距离问题的模拟退火遗传算法

提出计算曲面距离的统一方法——退火遗传算法。该算法将模拟退火算法和遗传算法相结合,解决了曲面之间的距离问题。该方法将工业中常用的曲面统一用参数形式表示,利用遗传算法求解曲面的距离问题。该方法通过引入模拟退火机制和人为地加入一定数目的特殊个体,大大增强了算法的爬山性能。     

Loop细分曲面的优化拟合算法

提出一种用于构造给定三维模型的拟合Loop细分曲面的迭代优化算法,使得拟合曲面与原始模型之间的逼近误差最小.算法中的逼近误差定义为原始模型各面元到拟合曲面最小距离的积分.与Loop细分小波分解算法的比较表明,该算法以适度的运行时间代价得到了更优的结果.此外,该算法还可以加以推广,作为一类从输入模型生成其近似表示的优化算法的基础.     

混合网格的可调细分算法

论文主要研究混合网格的曲面细分问题,提出了一种带有可调参数的细分算法。该算法适用于多边形网格、三角形网格,以及两者的混合网格情形,且对开的和闭的拓扑结构都能进行处理。由于在算法中引入了可调参数,这样既可产生光滑曲面,也可产生具有尖锐特征的曲面,且通过调整参数还可产生标准的Catmull-Clark细分和Loop细分。另外,实现该算法不需要复杂的数据结构。     

散乱数据点的细分曲面重建算法及实现

提出一种对海量散乱数据根据给定精度拟合出无需裁剪和拼接的、反映细节特征的、分片光滑的细分曲面算法．该算法的核心是基于细分的局部特性，通过对有特征的细分控制网格极限位置分析，按照拟合曲面与数据点的距离误差最小原则，对细分曲面控制网格循环进行调整、优化、特征识别、白适应细分等过程，使得细分曲面不断地逼近原始数据．实例表明：该算法不仅具有高效性、稳定性，同时构造出的细分曲面还较好地反映了原始数据的细节特征。     

一种高效的平面点集凸包递归算法

凸包是计算几何的基本结构, 在许多图形图像相关领域得到了广泛应用. 本文提出了一种简单快速的平面点集凸包算法, 使用了主成分分析法(Principle component analysis, PCA)对点集进行预处理, 并研究了适用的排序规则和凸包边缘点判定原则. 该算法已成功应用于一光栅投影三维形貌快速测量系统,对相位干涉图中密集残留点所形成的最小凸包进行提取. 系统将提取的凸包区域进行掩码标记, 从而避免密集残留点造成相位展开错误, 保证了三维形貌重构的准确性. 实验结果表明, 该算法准确可靠, 并且运行效率较高.     

基于有序简单多边形的平面点集凸包快速求取算法

凸包问题是计算几何的基本问题之一，在许多领域均有应用。传统平面点集凸包算法和简单多边形凸包算法平行发展，互不相干。本文将改进的简单多边形凸包算法应用于平面点集凸包问题中，提出了新的点集凸包算法。该算法首先淘汰掉明显不位于凸包上的点，然后对剩余点集排序，再将点集按照一定顺序串联成有序简单多边形，最后利用前瞻回溯方法搜索多边形凸包，从而得到点集的凸包。本文算法不仅达到了Ｏ的理论时间复杂度下限，而且算法     

改进的三维点集凸包求取算法

为提高三维点集凸包的求取效率,提出充分利用凸包极值点和性质改进的三维点集凸包求取算法.首先,求出三维点集中的极值点,并由它们形成初步凸包;其次,根据初步凸包与点的位置关系,排除其内部点;最后,依次考察其外部点,求出符合要求的点集、棱边集和面集,并对凸包进行扩展,得到凸包的点集、棱边集和面集.与普通算法进行时间的复杂度分析比较及实验表明,该算法效率较高.     

基于Catmull-Clark细分的新细分算法的研究

提出一种四边形网格细分算法：每细分一次四边形网格,其数目增加为原来的两倍,细分二次结果相当于一次二分细分,采用边数缓慢增长的策略,使生成的曲面光滑连续。该算法生成曲面在规则点具有C2连续性,在非规则点具有C1连续性。该算法对网格几何操作简单,所得网格数据量增长相对缓慢,适合3D图像重构及网络传输等应用领域。由于文中细分算法对初始网格的拓扑变更,因此第一次细分会产生扭曲现象,但后面的细分会逐步光滑。     

平面点集凸包的最优实时算法

在星形多边形性质的基础之上,根据凸多边形是特殊的星形多边形,以星点为中心,以分别平行于x轴和y轴的直线作为相对坐标系的坐标轴,将平面区域划分为四个区,依据新的点与有向线段之间关系的判别式,从而简便快速地分离内部点和外部点,对外部点快速找到支撑点,提出了平面点集的最优实时算法,其时间复杂度为O(n).它同样适用于多边形并具有相同的时间复杂度.它还便于控制结果凸包的方向,只需调整初始三角形的方向即可,算法其它部分无需修改.算法具有高效、稳定等特点,从而在结合崔国华等的理论基础之上为找到一种线性的排序算法提供了实际的可能性.在文中的结论部分提供了本文算法和经典的Graham算法及堆式排序算法的执行时间的比较.     

基于聚类的两段式孤立点检测算法

现有的大多数孤立点检测算法都需要预先设定孤立点个数,并且还缺乏对不均匀数据集的检测能力。针对以上问题,提出了基于聚类的两段式孤立点检测算法,该算法首先用DBSCAN聚类算法产生可疑孤立点集合,然后利用剪枝策略对数据集进行剪枝,并用基于改进距离的孤立点检测算法产生最可能孤立点排序集合,最终由两个集合的交集确定孤立点集合。该算法不必预先设定孤立点个数,具有较高的准确率与检测效率,并且对数据集的分布状况不敏感。数据集上的实验结果表明,该算法能够高效、准确地识别孤立点。     

B样条曲面方向投影问题的几何计算方法

B样条曲面方向投影问题可以通过求解方程组的方法来解决.由于方程组所有根中往往只有一个或甚至没有根与待求解的最近点对应,因而绝大多数的求根计算量是不必要的.为此讨论了B样条曲面的方向投影问题,提出一种简单且高效稳定的几何计算方法.该方法充分利用了B样条函数的凸包性,同时结合B样条函数稳定可靠的分裂算法给出了相应的几何剪枝方法.与传统的求解非线性方程组的计算方法相比,文中方法可以剪除绝大部分非线性方程组对应的根,且不需要Newton迭代,可以应用于平面/B样条曲面间的求交测试问题及B样条曲面包围盒的计算问题.实例结果表明,该方法具有比传统的相关方法更高的计算效率和更好的稳定性.     

用于求解约束优化问题的自适应佳点集进化算法

提出一种用于求解约束优化问题的自适应佳点集进化算法.新算法利用佳点集原理设计多点交叉算子,该交叉算子能够根据父代个体的相似度自适应调整交叉点的位置和子代个体的数目,产生具有代表性的子代个体.在约束处理技术上,改进了Deb的三条比较准则,提出一种新的适应度函数用于比较个体优、劣的比较准则.通过对13个标准测试函数的试验比较验证了新算法的有效性和稳健性.     

基于点云几何特征的错误匹配点对剔除算法

针对点云配准过程中存在错误匹配点对的问题,提出一种基于点云几何特征的双阈值剔除算法。依据点云几何特征在刚体变换过程中的平移旋转不变性,在初始匹配点集基础上,借助k近邻方法选取各查询点的近邻点并构成三点对,根据点间距离不变特性完成点对的初步筛选。在此基础上,采用曲面变分描述该三点对所在局部区域的几何特征,通过分析三点对的协方差矩阵,完成匹配点的最终筛选。实验结果表明,该方法可以有效剔除错误匹配点,且具有较高的配准精度。