稠密采样点模型的快速隐式曲面重建

算法以稠密采样点模型表面局部区域内的双边滤波函数值为依据,模型表面附近任意一点的函数值通过与该点最近的模型表面的K个采样点数据直接计算得到。与已有的隐式曲面重建方法相比,该方法既不用曲面内部或外部的支撑点,也不用求解线性和非线性方程,其重建速度快。此外,由于采用双边滤波函数作为其重建的隐式曲面的函数值,因此还能对带有噪声的采样点模型进行特征保持的表面重建。实验结果表明,对于稠密采样点模型,该方法可以快速重建出逼近程度高,效果好的曲面。     

法向约束的隐式曲面多边形化

提出一种隐式曲面多边形化的方法,将隐式曲面的多边形化分为2个阶段:首先根据法向约束对隐式曲面进行采样,得到稳定的采样粒子表示;然后在每个采样粒子处沿法线正负方向分别在隐式曲面内部和外部延伸一段距离,得到2个曲面法向附加点.将法向附加点和采样顶点进行四面体化,删除法向顶点及其相关联的边,最终得到隐式曲面的三角形网格模型.最后用实例表明了该方法的有效性.     

一种隐式曲面交互调整的新方法

提出了一种对隐式曲面形状进行交互调整的新方法,为隐式曲面的调整提供了两种交互工具,分别是对曲面上点的位置调整和法向调整.该方法以调整后的位置和法向为新曲面的插值条件建立目标函数,极小化该目标函数求解曲面参数的变化量,从而确定新的隐式曲面.文中采用拟牛顿法和序列二次规划法(SQP)求解该非线性优化问题.在调整过程中用粒子的方法对隐式曲面进行绘制,实现了对隐式曲面形状的实时交互调整.最后用实例说明了新方法的有效性.     

边界保持的隐式曲面三角化方法

隐式曲面三角化是隐式曲面绘制的常用算法.对于开区域上散乱点数据重建的隐式曲面,常用的隐式曲面三角化方法得到网格模型不能很好地保持散乱点数据的边界.针对该问题,提出了一种边界保持的隐式曲面三角化方法.根据散乱点数据的空间分布,控制等值面的抽取范围,实现了边界保持.实验结果表明,该算法能够产生和散乱点数据边界一致的三角网格.     

径向基函数网络的隐式曲面方法

将径向基函数网络与隐式曲面构造原理相结合,提出一种构造隐式曲面的方法．首先以描述物体曲面的隐式函数为基础构造三元显式函数,然后用径向基函数网络逼近显式函数,最后从神经网络的仿真超曲面得到描述物体的封闭曲面;并证明了在理论上此等值面可以以任意精度逼近物体曲面．该方法具有光滑度高、稳定性好,尤其适用少量采样点情形等特点．实验表明,它具有很强的造型能力．     

隐式T样条实现封闭曲面重建

为了简化法向偏差约束条件和优化光滑能量项,提出一种隐式T样条曲面重建算法.首先利用八叉树及其细分过程从采样点集构造三维T网格,以确定每个控制系数对应的混合函数;然后基于隐式T样条曲面建立目标函数,利用偏移曲面点集控制法向,采用广义交叉检验(GCV)方法估计最优光滑项系数,并依据最优化原理将该问题转化为线性方程组求解得到控制系数,从而实现三角网格曲面到光滑曲面的重建.在误差较大的区域插入控制系数进行T网格局部修正,使得重建曲面达到指定精度.该算法使重建曲面C1连续条件得到松弛,同时给出最优的光顺项系数估计,较好地解决了封闭曲面的重建问题.实例结果表明,文中算法逼近精度高,运算速度快,仿真结果逼真.     

空间采样点的隐式曲面表示与优化

基于元球隐式曲面表示,提出一个对给定3维物体表面采样数据进行自动曲面重建的方法。首先由空间采样点获取它们的球逼近表示;然后使用这些球作为元球的初始估计,构造出一张初始的元球隐式曲面;最后通过一个能量优化过程调整每个元球的形状参数,得到最终的隐式曲面。球的位置与形状的有效估计和局部支撑的元球核函数的使用极大地加速了曲面优化过程。实验结果表明该方法是有效而实用的。     

壳空间剖分的隐式曲面三角化

提出了一种曲率自适应的壳空间剖分隐式曲面三角形化新方法.新方法首先采用粒子系统对隐式曲面进行采样,通过高斯曲率约束粒子的生成,使生成的网格模型在曲率大的区域具有较多的小三角形,在曲率小的区域具有较少的大三角形,从而使网格模型更好地逼近隐式曲面.新方法在每个采样粒子处沿曲面法线正负方向延伸适当距离得到两个附加点,对所有附加点进行四面体化形成对隐式曲面逼近的壳空间四面体网格,在每个壳空间四面体中抽取三角形,所有抽取的三角形拼合得到隐式曲面的三角网格表示.与以往方法相比,新的三角网格化方法更具有鲁棒性,可一次性获得高质量的三角形网格.最后给出了对常用隐式曲面进行三角化的实例比较,显示了新方法的有效性.     

基于GPU的高质量隐式曲面四边形化

为了从隐式曲面快速抽取高质量的四边形网格,提出一种基于GPU的高质量隐式曲面四边形化方法.该方法分为初始网格抽取和网格优化2个阶段.利用GPU的并行性能,首先快速抽取一个粗糙的四边形网格,然后对该网格的几何(顶点位置、法向)和规整性(顶点分布、邻接关系)两方面进行迭代优化.实验结果表明,文中方法极大地提高了隐式曲面四边形化的效率,并且能得到高质量的四边形网格.     

点模型微分属性的估算及其应用

为了有效地估算点模型的微分属性,提出了一种基于几何特征相似性的估算方法. 首先,利用Mean shift (MS)聚类法,对点模型进行几何特征相似性聚类;然后,基于径向基函数(Radial basis functions, RBF),重构各聚类单元的局部隐式曲面; 最后,依据经典微分几何理论,在径向基函数 曲面上便捷地求解采样点的微分属性并给出具体应用. 实验与应用结果表明,该方法能够比较精确地估算出点模型的微分属性且得到有效应用.     

基于RBF的点模型布尔运算

由已有模型构造新的模型是数字娱乐领域的重要造型方法,提出了一种基于RBF（径向基函数）的点模型布尔运算方法。该方法首先将输入点模型进行空间八叉树划分,然后采用RBF将点模型隐式化生成隐函数表示的符号距离场,最后通过隐式曲面的布尔运算方法剔除多余的点,得到需要的新点模型。对点模型进行空间八叉树划分加速了点模型的RBF隐式化过程。该方法可由多个简单的点模型快速构造出复杂的点模型。     

带约束的曲面放缩

提出了一种保持曲面形状特征(trimming curves)不变的曲面放缩新方法.该方法的关键是使用了一个新的目标函数来极小化放缩前后两曲面的差别.该目标函数由放缩前后两曲面对应点的导矢叉乘的平方的积分来定义.极小化该目标函数能够保证放缩前后曲面对应点的法向变化尽可能地小,从而保证两个曲面的形状和曲率分布尽可能接近.通过与Fix-and-Stretch方法的比较,新方法对一些汽车部件数据得到了更好的结果.最后给出了两种方法得到的结果曲面的高光线模型.     

基于隐函数插值的连续多分辨率模型

提出了一种基于变分隐函数插值的连续多分辨率模型生成算法,通过递归地删除网格模型中的边得到连续的简化模型.算法采用变分隐函数插值的方法对网格模型分区域插值,生成原始模型的区域插值隐函数曲面,并以对应隐函数曲面上的采样点作为边折叠的目标点.算法建立了可调加权控制函数来控制边的简化顺序.在模型简化过程中,可通过交互调节控制函数的权值执行不同的简化原则,使得重要度低的边优先删除.此外,通过建立独立集,避免了模型的局部过度简化.实验结果表明,此算法能实现较理想的简化效果.     

三维散乱点云模型的快速曲面重建算法

针对离散点云数据快速重构曲面的问题,提出一种基于紧支径向基函数(CSRBF)的2层隐式函数插值算法.首先在插值前设定一个中心减少阈值,以减少CSRBF的中心点,简化基于CSRBF的线性系统;然后在粗层上通过插值对点云模型进行逼近;再在细层上拟合曲面并对粗、细层曲面求和;最后引入一个正则化参数,将由CSRBF组成的矩阵正则化,处理携带噪声的三维点云模型.实验结果表明,该算法不仅能够简捷地处理含有噪声的三维点云数据,而且能够实现曲面快速重构,最终得到逼真、平滑的曲面模型.     

反求工程中的隐式曲面快速自适应性多边形算法

论文给出一种反求工程中基于三角形细分的隐式曲面快速自适应性多边形化方法。该文先由输入的三维扫描数据点利用空间延展的MarchingCubes方法得到隐式曲面较为粗糙的三角形表面网格形状,再利用该文的自适应性优化方法对粗糙网格从三个方面自适应性调整,即调整网格顶点法向,控制曲率,再补偿网格抽样率。从而生成的三角网格和采样点具有局部适应性,能随着曲率的变化自动控制采样点的疏密程度,消除了逼近网格中的T-形边。实验表明,恢复的隐式曲面能很好地反映形状特征,能满足反求工程的实时需求。     

简单交互式医学图像隐式曲面配准方法

对高分辨率体数据构成的医学图像进行隐式曲面配准是一件耗时的工作,对于发育未完全的儿童头骨中包含的大量不连续空洞这样的复杂情况,全自动算法一般难以处理,为此提出一种交互式的快速配准方法.首先对一定范围内体数据进行采样得到目标点集;而后将定义在模板网格上的局部最刚性变换能量引入非刚性最近点迭代配准中作为自动配准框架;在此基础上,加入用户实时交互对局部区域结果进行调整与优化.实验结果表明,对于平均120万体素采样点,该方法能够在13 s内完成配准过程,并且与marching cubes结果具有相似准确度.     

基于网格优化的隐式曲面自适应多边形化

隐式曲面多边形化是隐式曲面绘制的一种常用算法.基于网格优化的隐式曲面快速自适应多边形化算法,首先用多边形化算法生成一个粗糙的初始网格,再利用网格优化方法从网格顶点位置、规则性和网格法向三个方面对粗糙网格进行调整,最后根据网格的局部曲率用多边形细分策略细分优化后的网格.实验结果表明,该算法在网格生成速度和网格规则性上都胜于Marching Cubes的多边形化算法,恢复的隐式曲面能较好地反映形状特征.     

基于BP神经网络的隐式曲线构造方法

隐式曲线与曲面是当前计算机图形学研究的热点之一。通过把BP神经网络与隐式曲线构造原理相结合，提出了一种构造隐式曲线的新方法，即首先由约束点构造神经网络的输入与输出，把描述物体边界曲线的隐式函数转化为显式函数；然后用BP神经网络对此显式函数进行逼近；最后由仿真曲面得到物体边界的拟合曲线。该新方法不同于传统的对显式函数的逼近方法，因为传统方法无法描述封闭的曲线；也不同于基于优化的拟合隐式曲线方法，因为它无须考虑函数的形式或多项式的次数。实验表明，该新方法有很强的物体边界描述能力和缺损修复能力，因而在物体边界重建、缺损图像复原等领域有一定的应用前景。     

基于网格优化的隐式曲面自适应多边形化

隐式曲面多边形化是隐式曲面绘制的一种常用算法.基于网格优化的隐式曲面快速自适应多边形化算法,首先用多边形化算法生成一个粗糙的初始网格,再利用网格优化方法从网格顶点位置、规则性和网格法向三个方面对粗糙网格进行调整,最后根据网格的局部曲率用多边形细分策略细分优化后的网格.实验结果表明,该算法在网格生成速度和网格规则性上都胜于Marching Cubes的多边形化算法,恢复的隐式曲面能较好地反映形状特征.     

利用隐式曲面创建实体的多分辨率表示

最近 ,对隐式曲面的研究取得了一些新进展 ,研究者可以通过对一个点集的插值来得到隐式曲面 ,插值过程只需要求解一个简单的线性系统即可 .采用基于包围球的层次结构对原始点集进行不同尺度的采样 ,使用采样后的点集来构造隐式曲面 ,从而得到实体的不同尺度的表示形式 .与基于多边形网格的表示形式相比 ,作者探讨了利用插值型隐式曲面来创建多尺度表示的一些优点