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。     

基于点云切片的边界提取

针对点云切片的截面数据可能存在不连续的特征曲线对拟合造成误差的情况,提出对每个截面数据将不连续的特征曲线点集分割成连续的特征曲线点集的方法。鉴于不连续特征曲线点集之间、点与点之间的欧式距离远大于点云密度,而同一个连续特征曲线点集中点与点的欧式距离趋近于点云密度,所以可以利用点云密度作为阈值,将不同的连续特征曲线点集分割开。对每个连续的特征曲线点集进行曲线拟合,得到点云切片的边界。分析结果表明,该分割算法能有效地分割出点云切片中不连续的特征曲线点集,减小曲线拟合时的误差,提高了点云切片边界提取的精度。     

一种非封闭自由曲面的点云边界提取算法

点云边界不仅作为表达曲面的重要的几何特征,而且作为求解曲面的定义域,对重建曲面模型的品质和精度起着重要的作用.以激光线性均匀扫描的点云数据为例论述了一种改进的空间非封闭自由曲面点云的边界提取方法,在原算法基础上增设阈值,变固定K值为变量K值.实验证明该算法不仅可以较快地提取边界,而且表达曲面边界特征比较精确.     

散乱点云曲面边界的二次提取算法

针对点云曲面边界提取算法计算量大、时间耗费多的问题,提出一种点云曲面的二次边界提取算法。采用空间包围盒法将点云曲面均匀地分为若干个小立方体,将每个点都放入一个立方体内,并通过每个立方体周围非空子立方体的个数以及分布情况提取边界子立方体。结合点云曲面数据点的分布特征,在边界子立方体内将目标点的所有K近邻点投影到以目标点为中心的平面上,计算投影点与中心点形成的向量与某条坐标轴的夹角,通过判断其是否满足预先设定的条件来判定目标点是否为边界点。实验结果表明,该方法可有效减少计算量,提高提取精度。     

NURBS曲面的等距曲面算法

本文将ＮＵＲＢＳ曲线的有理ｄｅＢｏｏｒ算法推广到ＮＵＲＢＳ曲面点的计算，由此可以得到ＮＵＲＢＳ曲面上点的单位法矢量，供其应用于ＮＵＲＢＳ曲面等曲面的生成。该算法几何意义明显，算法简洁，易于编程实现。     

采用CT切片的三角片曲面重构算法

采用二维平行轮廓线三维重建表面是三维建模研究领域的一项重要研究课题，具有非常广泛的应用领域。重建过程中计算量非常庞大，有效地化简重建的数据可以大大提高重建效率。文中提出了一种基于分析轮廓骨架点的表曲面重构算法。首先对CT切片进行预处理及图像分割，然后对轮廓线提取骨架，再进行骨架剪裁，最后采用模拟退火法进行三维重建。该算法使三维重构的数据大大化简，同时克服了局部优化算法中需交互指定初始连接边的缺点。     

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。     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

采用CT切片的三角片曲面重构算法

采用二维平行轮廓线三维重建表面是三维建模研究领域的一项重要研究课题,具有非常广泛的应用领域.重建过程中计算量非常庞大,有效地化简重建的数据可以大大提高重建效率.文中提出了一种基于分析轮廓骨架点的表曲面重构算法.首先对CT切片进行预处理及图像分割,然后对轮廓线提取骨架,再进行骨架剪裁,最后采用模拟退火法进行三维重建.该算法使三维重构的数据大大化简,同时克服了局部优化算法中需交互指定初始连接边的缺点.     

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。     

NURBS曲面生成算法及仿真研究

讨论了一种生成NURBS曲面的算法,用C语言实现了该算法,并利用MATLAB进行仿真对该算法进行验证。在算法中讨论了曲面及其等距面生成方法以及曲面生成技术中相关的一些技术,如曲线段间参数过渡、曲面生成模式、曲面生成的实时性、改变曲面的形状等。仿真结果证明了算法的有效性。     

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。     

一种基于散乱点云的边界提取算法

点云边界是曲面的重要特征之一,边界线的快速准确提取对于提高曲面重构的效率和质量具有重要意义。首先,采用基于kd-tree搜索的方法建立点云空间拓补关系,进行K邻域快速搜索,以采样点及其K邻域作为局部型面参考依据拟合微切平面,将其向微切平面投影;其次,在微切平面上建立局部坐标系,并对投影点进行参数化,根据邻域点集在采样点处的场力大小之和可以表示点集的平均作用来识别点云的边界特征点;最后,从提高边界线连续性的角度,利用NURBS曲线插值方法连接边界线。实验结果表明,该算法可以快速、有效地提取出点云的边界特征点,并得到C2连续的边界线,满足曲面重构的要求。     

基于隐式T样条的曲面重构算法

提出隐式T样条曲面，将T网格从二维推广到三维情形，同时利用八叉树及其细分过程，从无结构散乱点数据集构造T网格，利用曲面拟合模型将曲面重构问题转化为最优化问题；然后基于隐式T样条曲面将最优化问题通过矩阵形式表述，依据最优化原理将该问题转化成线性方程组，通过求解线性方程组解决曲面重构问题；最后结合计算实例进行讨论．该方法能较好地解决曲面重构问题，与传统张量B样条函数相比，能效地减少未知控制系数与计算量．     

NURBS曲线曲面的显式矩阵表示及其算法

从 B样条的差商定义出发 ,提出差商展开系数的概念 ,通过差商展开系数显式解析表示式的导出 ,得到任意次 NU RBS曲线曲面系数矩阵的显式解析表示式 ,并给出了求差商展开系数和 NURBS曲线曲面系数矩阵的数值算法 .文中给出的方法适用于一切 NU RBS曲线曲面 ,包括有理和非有理的 Bézier、均匀和非均匀的 B样条曲线曲面 .相应的数值算法计算简单 ,易于实现 .差商展开系数解析表示式为 NU RBS曲线曲面的表示、转换和节点插入、升阶等基本运算以及与差商相关的问题的研究提供了一个统一的构造性工具和应用方法 .     

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.     

基于切片原理的海量点云并行简化算法

针对传统点云简化算法效率低且处理点数少的缺陷,结合快速成型领域的切片原理顾及特征计算复杂度低的特点,设计并实现了适合千万级海量激光雷达（LiDAR）点云的并行切片简化算法。该算法根据切片原理对点云模型分层并按照角度排序,利用NVIDA的统一计算设备架构（CUDA）和可编程图形处理器（GPU）高度并行的性能优势,使用GPU多线程高效并行地执行单层切片点云简化,提高了算法效率。最后,应用3组不同数量级点云模型分别进行简化对比实验。实验结果表明：在保持模型特征与压缩比不变的情况下,所提算法效率高出传统基于CPU的串行切片算法1～2个量级。     

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.