细分蒙皮曲面

对细分曲面在曲面造型中的应用进行了研究,并着重于蒙皮曲面造型技术．所提方法在传统的蒙皮曲面构造过程中引入细分方法,有效地避免了因截面曲线的相容性处理而产生的数据量激增的问题;最后生成的蒙皮曲面能够精确插值预先设计的截面曲线,并且可以在指定的截面曲线处产生折痕效果．     

基于截面数据的C1插值融合曲面重建

为了避免NURBS曲面重建需要进行节点矢量相容的问题,提出了一种双方向融合插值的[C1]参数曲面重建方法,该方法先后分段插值截面上连续的数据点、截面曲线以构造样条曲线和曲面片,并引入融合算法进行曲线、曲面拼接,从而得到光滑的待建曲面。该方法不会产生由节点插入所带来的大量的数据冗余以及复杂的计算过程,同时采用了融合的思想来处理曲线、曲面的拼接,改良了传统参数曲线、曲面拼接方法需要满足边界条件的缺陷。     

曲面重构中点云数据的区域分割研究

在曲面重构中，由于实际的曲面模型往往含有多个曲面几何特征，即由多张曲面组成，如果对使用激光法测量的“点云”数据直接进行拟合，将会造成曲面模型的数学表示和拟合算法处理的难度加大，甚至无法用较简单的数学表达式描述曲面模型，因此针对该问题，提出了一种基于数据点曲率变化的区域分割方法，即先对每一条扫描线上的数据点求取曲率值，然后将其中曲率值变化较大的点提取出来作为边界点，当边界确定后，再将云点数据分割成多个区域，由于每个区域一般具有较简单的几何特征，因此可用简单的数学模型来描述，并可重构单张曲面。该算法不仅原理简单、易于理解和编程，而且能提高曲面模型重构效率。     

逆向工程中测量数据曲面重构技术研究

文中首先介绍了自由曲面的描述方式,并提出了一种对点云数据进行NURBS曲面重建的改进算法。该算法通过对目标函数的修正及迭代处理,将测点数据的有理B样条曲线拟合问题转化为一单变量的优化问题。从而容易求得控制点三维坐标、权值、各测点所对应的参数值及最优控制点的数目,进而有效地压缩测量点云数据量。该方法克服了现有方法存在的需要求解多变量的非线性优化问题,不能对最优控制点数目进行求取等缺陷。实践表明,文中提出的方法是行之有效的。     

基于广义基曲面参数化的N边域曲面重构

研究了由散乱数据点集重构N边域曲面的方法.已有方法大都使用单张B样条曲面进行拟合,或由用户手工描绘曲面片的边界曲线网格.与之不同,为便于数字处理,采用广义基曲面参数化方法可以在建立曲面片网格同时进行散乱数据的参数化,全过程无需人工干预.另外,推导了在曲面拟合算法中控制顶点约束的确定方法以满足给定的边界条件.通过仿真,研究了曲面片网格的光顺以在N边域曲面内部达到G1连续,并以实例证明了文中算法的有效性.     

散乱分布数据曲面重构的光顺-有限元方法

提出了一种基于散乱分布的数据点重构三维曲面的有限元方法.根据最佳逼近与数据光顺理论建立正定的目标泛函,采用有限元最佳拟合使泛函极小化,求得最优解.通过八节点等参数有限元插值计算,重新构造出三维曲面.这种光顺-有限元方法有效地抑制了输入数据上误差噪声的影响,与有限元拟合方法相比,所需的输入数据点少,重构的曲面逼近精度高、光顺性好.数值实验表明,该方法简单,便于应用.     

用神经网络实现NURBS曲面重构

曲面重构问题是几何逆向工程中的首要问题,为了获得物体的几何模型(某些物体可能发生部分损坏)需要从大量的测量点构造曲面。该文采用了一个神经网络模型和相应的快速学习算法应用于曲面重建。该模型可以有效地逼近曲面并剔除输入数据点中的“坏”点。     

基于逼近理论的曲面重构方法的研究

针对三维扫描数据点的曲面重构技术在实际系统中的应用，提出了一种NURBS曲面构造方法。该方法根据已知数据点逼近目标曲面。通过实际系统应用验证，该方法是一种行之有效的曲面拟合方法。     

反向工程中NURBS曲面CAD重构技术研究

CAD几何模型重构技术是反向工程RE(Reverse Engineering)技术的核心,NURBS(Non-Uniform Rational B-Splines)方法因其表示法的形状控制灵活性,在曲面造型和曲面重构中具有重要作用.针对CAD曲面重构技术进行研究,并对NURBS曲面重构提出一种新的构建方法,将每个数据点相对应的有理基函数的参数值最大化,所得函数值作为数据点的参数值来构造NURBS参数曲面.最后通过实例证明了该方法的有效性.     

误差可控的近似B样条曲面蒙皮算法

B样条曲面蒙皮是曲面造型中常用的一种造型方式,传统的蒙皮算法会导致最终的蒙皮曲面含有大量的控制点.在Piegl算法的基础上,提出一种更加高效且误差可控的近似蒙皮算法.对B样条基函数的最大值进行了更为精确的估计,并且充分利用B样条基函数的局部支撑性,尽可能多地删除相容性处理后B样条曲线的控制点,使得蒙皮算法更加有效.实验结果表明,在同样的误差范围内,文中算法可以比Piegl算法减少更多的控制点.     

OpenGL在深度数据的三维表面重建中的应用研究

研究了OpenGL在深度数据的三维表面重建中的应用,介绍了OpenGL在该应用中必需的基础知识。给出了两种不同的深度数据的三维表面重建的方法,即Delaunay三角剖分方法和B样条曲面方法。由立体足迹的三维表面重建实例得出结论:采用OpenGL图形库可以生成逼真的三维效果图,为深度数据的三维显示提供了捷径。     

医学图象三维表面的快速重构方法

介绍了基于CT等值面数据的脸部面貌及颅骨的曲面生成方法，以双三次B样条曲面技术区别于传统的蒙皮曲面生成方法，采用截面数据的重采样，解决了复杂实体在曲面生成时的局部扭曲及数据量过大等问题，在等值线的曲面造型方法及医学可视化领域有广泛应用前景。     

稠密散乱数据点多分辨率曲面重构

将曲面重构看作是一种信号重构过程,针对大量散乱数据点,借助成熟的三角网格划分和网格化简算法,利用提升小波变换实现曲面重构,可以快速地构造出复杂拓扑结构的Calmull-Clark曲面;给出了小波系数估算方法以及基于网格拓扑结构的局部最优路径搜索算法．通过运行实例证明了文中算法的有效性．     

四边曲面重建中的边界优化算法

文中针对Floater“保形参数化”方法存在的局限性,研究了四边曲面重建中,边界曲折程度的评定方法。通过比较边界上网格点的曲率值,构造形式上的四边拓扑曲面;通过对边界网格的优化剖分,获得相对平滑的边界曲线。与Floater算法相比,提出了曲折边界的平滑剖分方法,改善了重建曲面边界上的扭曲变形,为Floater重建算法在工程CAD模型中的推广提供了实用途径。     

一种基于散乱数据的自适应曲面重建算法

本文依据Shepard基本原理,提出了一种新的自适应曲面重建算法。该算法首先利用LMS方法优化改进型Shepard算法,求出由粗糙到细致的控制网格。再利用双线性插值方法进行曲面重建,同时保证曲面的平滑性。实验结果表明本文提出的算法能够有效地重建较高精度的曲面。     

点云数据重构三维网格形状的新算法

在分析现有重构方法局限性的基础上,提出了一种基于神经网络的点云数据重构三维网格形状的新算法。首先对点云数据平滑处理;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/曲面的控制网格,通过神经网络的权值约束实现曲线段/曲面片之间的光滑拼接。能显著提高逼近网格的品质,从而实现了点云数据的精确曲面重构,实际的算例结果表明该方法实用可靠。     

基于改进全卷积神经网络的医疗数据表面重建算法

为了实现对医疗数据的快速检测和分类识别,需要对医疗数据进行表面重建设计,首先,提出一种基于改进全卷积神经网络的医疗数据表面重建算法.采用无线射频识别技术进行医疗数据的大数据采样,对RFID采集的医疗数据进行信息融合处理,采用多元回归分析方法提取医疗数据的相关性统计特征量,然后,针对医疗数据中的冗余特征采用匹配滤波检测器进行冗余滤波处理,对提纯后的医疗数据采用相空间重构技术实现医疗数据重构,最后,对重构数据采用改进全卷积神经网络分类器进行分类识别,实现医疗数据的表面重建和自动识别.仿真结果表明,所提方法的医疗数据冗余特征处理效果较好,数据分类精度可高达90%以上,且医疗数据重建误差小,耗时少.     

面向决策支持的数据重构技术

为了使企业决策支持数据能有效地发挥决策支持作用,提出以零部件为核心,将企业散乱的数据有机地组织起来,形成企业立体数据的重构模型．首先将零部件的各种数据用矩阵表达出来,然后通过“行匹配列合并运算”将相关的数据组合起来,形成一个集设计、工艺、生产、管理信息于一体的综合性数据矩阵．由于该数据矩阵的规模庞大,提出“投影变换”和“选择变换”,仅保留对目标决策支持有用的数据项．最后,将各零部件的综合数据矩阵叠加起来形成企业的立体数据模型．企业数据重构以后,它的每一行数据都是相对完整的．