一种基于神经元增长结构(GCS)的空间散乱点三角剖分方法

空间散乱数据点的三角剖分是逆向工程的关键技术,本文提出了基于一种动态神经网络———神经元增长结构(GrowingCellStructure)的空间三角剖分新方法。这种方法具有可以直接处理带有噪声的数据,无需对数据进行平滑处理,网格规模可控,算法简单,生成的三角网格形状好等优点。     

一种空间曲面上散乱数据的快速三角剖分新算法

在现有三角剖分方法研究的基础上,提出了一种空间曲面上点云数据的快速三角剖分新算法。以区域生长法为主导,通过表面法向量向外原则提出了一种种子三角形选取与构造的新方法,改进生长算法,采用逆时针方式搜寻最优扩展点来生成三角形网格。该算法的总体时间复杂度为O（KN）,能够快速高质量的生成三角网格模型。     

散乱点云的三角网格曲面重建算法

在采用计算机视觉法获取物体三维重建数据的过程中,为了得到较完整的模型信息,所测得的曲面点通常带有大量冗余,而这些冗余数据的存在大大增加了曲面重建的难度.在此背景下,我们针对散乱无序、无任何几何拓扑信息的密集数据,提出了一种空间三角网格直接剖分算法.该算法能够节省存储空间,提高曲面重建效率,保证输出的曲面网格优质.算法首先对原始数据进行预处理,然后采用空间栅格法及Delaunay空球等准则,扩展动态三角网,最后统一法向量输出完整的三角网格模型.通过实例证明,算法重建速度快,曲面网格质量高.     

反求工程中基于边界扩展的三角网格构造

针对非接触式方式测量的大规模散乱点云数据建模，提出一种三角剖分算法，该算法适用于多张自由曲面片构成的曲面物体，尤其适用于含内孔的曲面对象。算法过程包括两个阶段：第一阶段，采用一种空间栅格装点法来进行初始点云数据精简，精简比率通过栅格小正方体单元尺寸控制；第二阶段，构造种子三角形，通过连接已剖分网格区域的边界边与最优扩展点采形成三角网格，从而向外延展，也可以时一个带有内孔的复杂自由曲面直接进行三角剖分，无需人工分区。实验结果表明该算法可以快速、有效地从三维数据点云建立几何模型。     

散乱数据点的快速三角剖分算法

提出了一种改进的波前扩展算法,该算法给出的候选点判断准则,可对数据点的K近邻进行快速过滤,并有效避免了单元自相交;建立的匹配点查找和优化准则,可生成局部优化的三角形网格单元;依据四种不同的查询结果,制定了相应的波前环更新和数据点标记方法.将波前扩展算法应用于具有复杂特征的散乱数据点的三角剖分中,结果表明,该算法可快速生成高质量的三角网格模型.     

散乱数据点的快速三角剖分算法

提出了一种改进的波前扩展算法,该算法给出的候选点判断准则,可对数据点的K近邻进行快速过滤,并有效避免了单元自相交;建立的匹配点查找和优化准则,可生成局部优化的三角形网格单元;依据四种不同的查询结果,制定了相应的波前环更新和数据点标记方法。将波前扩展算法应用于具有复杂特征的散乱数据点的三角剖分中,结果表明,该算法可快速生成高质量的三角网格模型。     

基于数学形态学与拓扑规则的三角网格修补算法

针对散乱点云数据在三角剖分过程中产生的拓扑缺陷,提出一种基于数学形态学运算和拓扑规则的网格拓扑修补算法。通过交互的方式选择需要修改的区域,使用自适应分层栅格的缺陷识别技术提取有拓扑缺陷的网格的顶点,从而确定待修复区域的边界,然后利用数学形态学的开启运算和闭合运算去除该修复区域的拓扑缺陷,并利用基于柄体理论的拓扑运算法则对该区域进行局部拓扑修改,生成二维流形的三角网格。应用实例表明,由于不需要对整个点云数据重新进行三角剖分,简化数据处理的过程,该算法具有运算速度快、结果准确性好的优点,并能较好地消除网格中的拓扑缺陷,有效地提高三角网格的显示精度,最终得到具有几何一致性和网格单元拓扑一致性的三角网格模型。     

曲面拼接与扩展的三角剖分算法的改进

对递归分割曲面在编辑方面的拼接和平面扩展问题的散乱点的三角剖分算法进行了研究.通过边界轨迹优先生成和点的有效性判断等约束条件对原有剖分算法进行了改进,顺利实现了递归分割曲面的拼接和平面扩展,并保证了拼接边界和扩展边界网格拓扑的正确性.     

结合平面投影与区域生长的点云表面重建

为提高点云曲面重建的精度和效率,提出了一种将平面投影与区域生长相结合的散乱点云曲面重建方法。从散乱点云中选取局部点集,对其离散度进行判断,将较平滑的符合离散度要求的点集投影到二维平面并进行三角剖分,将三角剖分后点之间的拓扑连接关系映射回三维空间,实现该部分点云的表面重建,对剩余的散乱点用改进的区域生长法重建表面。实验结果表明,该算法能够重建出结构形态正确、保留物体细节信息的三维模型,降低曲面重建复杂度并提高其精确度。     

散乱模型的四边形网格剖分方法

针对基于CAD几何信息的网格剖分方法无法避免繁琐模型修补,导致网格剖分效率低下的现状,提出一种基于散乱模型的全四边形网格剖分方法.使用散乱点或者STL格式文件作为网格剖分的输入模型,使用改进的基于散乱模型进行网格剖分的铺路算法,在很大程度上减少甚至避免了模型修补问题.提出以散乱模型作为背景网格,作为控制网格单元尺寸调整的依据:使用网格细分和网格粗化的手段实现网格疏密变化的光滑过渡;自动识别几何模型中的特征并在网格模型中保留.提出了一种高效的铺路面相交搜索方法,综合考虑影响相交处理的多种因素,有效地处理了铺路面相交问题.多个复杂的汽车覆盖件网格剖分的算例结果表明,运用所提出方法完成的网格模型质量很高,算法具有较强的工程实用性.     

离散数据点集的3D三角划分算法研究

在实物测量造型过程中,根据离散点集进行三角网格划分是其关键环节之一,也是进行后续进行曲面重构的前提和基础。本文在当前的三角网格划分方法比较之后,提出了一种散乱点集的三角网生长算法,该算法无须对离散点集所对应的自由曲面进行分片投影,直接在3D空间从已划分区域边界到未划分区域按照Delaunay准则生成三角网格,并给出了用此算法处理散乱数据的试验结果。     

密集散乱数据三角划分及数据压缩

介绍了Delaunay三角划分方法，运用一种算法对密集散乱数据进行三角划分，并在给定容差条件下对其进行成批压缩。由点云数据中最大、最小的六个点构成初始八面体，将数据分割为八个星角形区域上的凸包数据，在每个凸包数据中，搜寻到其对应的三角形的垂直距离最大的点，如果距离大于给定的容差，则将该点插入并局部优化三角网格。反之则将该点压缩掉。最后给出的实例证明了该算法的有效性和效率。     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。     

一种新的空间离散点集的直接三角剖分方法

针对映射法无法保证在平面中所谓“优”的三角剖分所对应的空间形状也满足要求的缺点,文中提出了一种对空间离散点集进行直接三角剖分的新方法——在形成了初始三角形后,利用生长法,循环扩展三角形各边,直至所有三角形扩展完毕。在算法实现上,提出了利用三角形法向量夹角、阈值距离以及最小内角几个参数,对三角形的生长进行约束,从而使最优点的搜索范围大大降低,提高了三角形扩展的准确性,保证了三角网格的质量。实验证明,该方法适应性广并具有准确、高效的特点。     

反求工程中三角网格拓扑生成的算法研究

散乱点的三角网格剖分是反求工程中的第一个重要环节 ,在对三角剖分基本方法深入分析的基础上提出了动态圆的概念 ,使得搜索新三角形的范围大大降低 ,从而加快速度 ,并在搜索过程中实现Delaunay三角形优化。另外 ,通过动态更新搜索边控制三角形生成进度 ,将新三角形和已有三角形的相交判定转化为和搜索边的相交判定。     

基于散乱点的全自动四边形网格剖分方法

提出一种基于散乱点的全自动三维非结构化四边形网格剖分方法。对散乱点进行自适应预处理，包括冗余点的自动删除和模型边界提取。使用改进节点计算和铺路面相交搜索处理的铺路算法，自动生成全四边形网格。该方法可有效地控制生成网格单元的尺寸和质量，网格模型满足有限元分析的要求。与常规的基于CAD几何信息的网格生成方法相比，该方法避免了繁琐的模型修补问题，可快速生成高质量的全四边形网格模型。算例证明了该方法的有效性和实用性。     

基于三角剖分的曲面变形

介绍一种三维空间中基于散乱数据点三角剖分的自由变形技术。运用Voronoi图和Delaunay三角剖分,将待变形曲面上的点(作用点)用控制顶点线性表示出来,移动控制顶点使作用点发生位移,从而使曲面的形状发生局部的改变。这种方法改进了诸如自由变形(FFD)、直接自由变形(DFFD)和扩展自由变形(EFFD)等传统曲面变形技术在局部变形上的应用。     

A robust approach to edge detection of scanned point data

In reverse engineering, segmentation is used to divide a point data set into subsequent regions according to its shape. It is vital for interpretation of discrete scanned data since surface reconstruction can be accomplished one-by-one on a given region. Edge detection is crucial to the segmentation process. The level of edge detection depends on the complexity of the part, and it determines the eventual success or failure of the reverse engineering (RE) process. This paper proposes a novel approach to the edge detection of 3D points based on a region growing technique. The proposed algorithm consists of two parts. First, polygonal meshes are generated to the scanned point data using the Delaunay triangulation algorithm. Second, the normal vector and the area of a polygonal mesh are checked to find boundary meshes using cost criteria (angle criterion and area criterion) based upon a region growing technique. The region growing technique aggregates meshes into a region until the area of aggregated meshes reaches an area threshold from a series of seed meshes. The proposed edge detection method is found to be effective when compared with other methods.     

面向快速原型制造的形状反求关键技术

用局部切平面族逼近原型体的方法进行基于散乱数据点云的形状反求。基于某点的邻域点集构造局部切平面，用黎曼图表示局部切平面的邻接关系，通过最小生成树进行局部切平面调整，使其法矢一致化，然后用Marching Cubes法重建三角网格模型。该方法除了点的三维坐标，无需任何附加信息即可自动判断散乱数据点所蕴涵的拓扑结构，适于快速建立具有任意拓扑结构的复杂形体。应用结果表明该方法稳定、可靠、执行效率高。