基于点云几何与形状特征的曲面重构算法

提出一种新的利用点云进行曲面重构的算法,该算法基于点云的几何与形状特征,根据点云的几何分布进行分类和按照点的局部形状特征进行分类,对每类点进行局部网格重构,并进行后续处理以修补拓扑和几何错误。实验结果表明,该算法强健有效,能生成高质量的网格,并能较好地保持模型的几何与形状特征。     

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.     

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。     

栅格型点云数据的自由曲面建模技术研究

通过研究激光线扫描测量原理以及测量数据类型，提出一种有效的数据点平滑处理技术和复杂曲面建模方法．该方法包括三个步骤：首先对测量点数据平滑处理；然后进行特征线提取，并以特征线为基础对曲面进行分割；最后，在每块测量点数据上进行以NURBS为基础的曲面构造，并将各曲面进行拼接、裁剪，形成完整的曲面。     

牙冠的三维点云数据重建技术研究

利用三维激光扫描仪扫描全牙列模型,对获得的数据进行处理,重构牙冠的三维图形;将获得的三维点云数据进行处理,包括数据平滑、数据精简、特征提取、数据分割、自由曲面建模等实现牙冠的三维重构;得到牙冠的三维重建数字模型,可用于全冠的计算机辅助制作,并结合中国人的标准牙冠数据,对其调整变形,得到标准的牙冠模型;该技术将会为口腔医生带来便利和高效。     

基于三坐标测量数据的点云曲面重构

基于CMM测量数据,针对鼠标数据的特点,进行了边界拟合、特征识别、分片重建、光滑拼接等技术的研究.利用三次B样条拟合边界曲线,利用微分几何方法进行曲面特征的识别与分割,利用拉伸及放样法进行曲面片重构,最后进行曲面片相交、剪裁、过渡完成最终的鼠标模型.     

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。     

基于八叉树模型的三维点云数据预处理研究

三维点云数据密度大,包含有大量的冗余数据,并不适合直接用于后续曲面重构。文中重点计论了基于八叉树模型的点云数据预处理的方法。实例表明,该方法对点云数据处理的灵活性和适应性都较好,能够满足曲线和曲面重构的要求。     

用于三维点集形状模型的水印算法

对定义在一系列无方向点集上的3D形状模型提出一种新的数字水印方案。首先应用神经网络的方法对点集模型进行学习,根据在学习过程中神经网格法线的变化情况,找到特征点。最后对已加水印的点集模型应用不同的攻击,比如剪切、（模拟）简化和附加随在特征点附近嵌入水印信息机噪声之后,结果显示通过这种方案嵌入的水印,在某种程度上仍可以被检测到。     

散乱点云的三角网格重构

基于增量扩散法的思想,提出并实现了一个散乱点云的三角网格重构算法,算法首先利用体素网格的散列表对散乱点进行组织,然后在确定了初始种子三角形的基础上,基于活动边扩展规则构造新的三角形,使网格不断向周围扩展直到活动边表空为止,最后算法合并棱边并计算每个三角形的顶点法矢,最终构造出散乱点云的三角网格。     

类螺旋特征测点数据的闭曲面建模方法研究

复杂曲面及海量点云测量数据的曲面建模已成为通用CAD/CAM软件的重要功能;然而,对于复杂的闭曲面建模方法,仍然存在许多技术上的难题,至今尚未能很好的解决,比如,基于海量的测量数据,如何进行闭曲面特征点识别,如何进行区域分割与处理,这一切都使得闭曲面建模过程中很难采用已经成熟的自由曲面建模技术和方法.通过研究异步仿形测量原理以及测量数据类型,针对鞋楦测量形成的空间螺旋线数据特征,提出一种闭曲面建模方法.该方法包括如下步骤:首先对测量点数据处理;并以特征螺旋线数据为基础对曲面进行三角分割;最后,以三角Bezier曲面为基础进行曲面构造,并将各曲面进行拼接、裁剪,形成完整的曲面.采用该方法对鞋楦测量数据的建模实例说明,能够有效地对具有空间螺旋线数据特征的闭曲面进行数据处理、曲面重构,提高了产品建模效率.     

基于曲面三角形网格模型的凸、凹模数控编程算法

该文介绍了曲面数控加工编程方法,提出了基于曲面三角形网格模型的数控编程方法,并在此基础上,给出了基于曲面散乱数据的三角形网格模型的凸、凹模数控编程方法,实现了复杂曲面测量模型的凸、凹模数控加工,实验仿真结果表明,该方法能有效地解决复杂曲面的凸、凹模数控加工问题。     

基于RBF神经网络NURBS的散乱数据点自由曲面重建

根据径向基函数(RBF)神经网络可以用任意精度逼近任何非线性函数,以及强大的抗噪、修复能力等优点,该文采用RBF神经网络模型进行自由曲面重构,建立了适合曲面重构的径向基函数网络模型。进行了理论分析,并在非均匀有理B样条(NURBS)曲面上做了仿真试验。结果表明:该模型不仅能够有效地逼近不完善的、带有噪声的曲面,而且学习速度很快,提高了对破损、不完全曲面重建的效率和精度,得到的曲面光顺性好。     

非封闭曲面的海量空间数据点四边形网格生成算法

从数据模型的任意一点开始选择一个初始的四边形网格单元,采用动态边界边扩展的方法在三维空间直接进行四边形网格划分;在网格划分过程中实现了边界冲突检测、网格顶点优化处理、网格边界处理和网格综合优化.最后给出了网格生成实例.实验结果表明:该算法生成的网格质量较好,运行速度较快.     

逼近散乱点云数据的三角形网格精确剖分

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云 压缩后的Delaunay 三角逼近剖分,但该模型存在逼近误差和边缘误差。为减小三角形网格 的逼近误差和边缘误差,构建了精确逼近的三角形网格模型。首先采用整个测量点云,对三 角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权 重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中 的网格边界神经元进行训练。算例表明,应用该模型,可以有效减小三角形网格的边缘误差, 三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围。     

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。     

截面线数据的曲面蒙皮重构技术研究

为了保持曲面形状的平滑性，在曲面重构过程中经常会出现曲面形状的变异，针对带有精确截面信息的截面线数据的三维曲面重构问题，提出了一种NURBS曲面蒙皮重构方法。该方法产生一个连续的NURBS曲面，改进了传统曲面蒙皮重构方法在处理非均匀截面数据点时出现的一系列问题，通过实际系统验证了该方法的有效性。     

逆向工程中平面轮廓线数据的B样条曲面拟合

利用统计学的知识,对空间数据点参数值分布情况进行了分析,给出了曲面拟合过程中节点矢量的确定方法。在此基础上给出了曲面轮廓线数据的B样条曲面拟合算法以及应用该方法对平面轮廓线扫描数据进行B样条曲面拟合的算例。