基于两视图的曲面重建方法

提出了一种利用曲面物体的两幅图像进行曲面重建的方法。从物体的正面和侧面拍摄两幅图像,而后利用用户交互获得这两幅图像中的侧影轮廓线。并通过最小化以这些侧影轮廓线作为约束二次目标函数,重建出最光滑的三维曲面。另外,在二次目标函数中增加一个系数,实现了曲面折痕。利用真实图像进行实验,验证了该方法的可行性和正确性。     

基于散乱点集的曲面重建

基于散乱点集的曲面重建是计算机图形学和虚拟现实等领域的研究热点.在对基于散乱点集的曲面重建经典算法进行综述的基础上,较详细地讨论了基于成长型神经网络的曲面重建方法和基于法向量场的曲面重建方法.     

特征驱动的曲面重建

提出了基于散乱空间点集进行曲面重建的新方法,从点集的空间位置信息中提取待建曲面的内蕴特征量——法向和曲率,利用点集的这些特征信息来确定拓扑重建的搜索空间,采用面片生长的方式重建曲面。该方法在快速获得正确拓扑连接的同时,直接生成了用较少的面片就能保持曲面特征的优化网格。     

三维空间散乱点集快速曲面重建的研究与实现

提出了一种快速曲面重建方法。针对Power crust算法提出一种不均匀降采样技术,根据曲面的局部特征大小对采样点进行削减,从而在不破坏原曲面拓扑特性的情况下,使参与曲面重建的采样点数目降低。实验结果表明,改进后的算法运行效率有所提高。     

基于边界检测的三维散乱点快速曲面重建算法

针对Power Crust算法提出一种带边界检测的不均匀降采样算法。曲面重建前先通过该算法减少参与运算的采样点,表面特征丰富的区域削减的采样点数远小于特征不丰富的区域,再进行曲面重建。通过实例表明该算法大大加快了散乱点数据的重建速度,而且很好地保持了模型表面的特征,能够较为真实地重建出曲面模型。     

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。     

散乱点的快速曲面重建方法

空间散乱点的曲面重建有着广泛的应用前景，是当前国际上的研究热点之一，Crust算法是一种基于计算几何中的Voronoi周期图的曲面重建算法，它算法简单，重建结果精细，但是由于计算量太大，其应用受到了限制，为此提出了一种依据采样点的局部特征尺度对原始采样集进行不均匀降采样的方法，在保证采样集能够满足重建要求的前提下，使参与重建的表面点数大为降低，减少了重建算法的计算量，从而提高了重建的速度，这一方法还可以应用于网络简化，通过剔除某些顶点达到简化之目的。     

基于VTK的三维点云曲面重建研究

针对三维点云数据重建效率低、不能实时交互等问题,利用鲁棒性强的Power Crust算法和三维可视化类库Visualization Toolkit (VTK)的良好并行机制与强大的图像处理能力,实现了三维点云数据曲面快速重建.该算法使用Power Crust对三维点云进行曲面重建,接着对得到的网格进行线性调整、简化和平滑,最后引入VTK进行渲染、绘制、显示,并实时交互.实验结果表明,该算法可以加快散乱点云数据的重建速度,较好地保持了点云数据的拓扑结构,提高了曲面重建的精确性和鲁棒性,且交互性强,适合实时处理.     

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson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.     

从点集重构曲面网格方法综述

本文主要对三维数据点重构曲面网格模型方法进行了综述。从三维数据点集重构曲面一般遵循以下三个步骤:1)重构曲面网格模型;2)网格简化;3)拟合曲面(通常为Bezier,NURBS),其中重构曲面网格为关键的一步;三维数据点集由三维数字化仪采集得到,不同的数字化设备,得到的三维数据点集可能会有差别,重构曲面网格的算法也不尽相同。本文介绍了几种对于不同数据形式、有代表性的重构曲面网格算法。     

基于微种群遗传算法和RBF神经网络的散乱数据重建方法

利用微种群遗传算法,结合性能优越的径向基函数神经网络,建立了适用于散乱数据曲面重建的径向基函数网络模型.采用微种群遗传算法完成对神经网络的权值优化,可避免早熟收敛,且有较快的收敛速度.实验结果表明,用这种方法解决散乱数据点的重建问题,具有较高的精度.     

点采样模型的多样性编辑与绘制

研究了点采样模型的多样性编辑与绘制,将模型分解成不同的部分,将各部分按照层次关系组织,作为多样性编辑的基础。对模型各部分点元的颜色、几何特征、材质等属性进行编辑,构造层次多样性点模型。通过对层次多样性点模型进行实时处理,实现点模型的多样性绘制。实验表明,该方法能够产生并绘制复杂多变的点模型,且压缩比高。该方法可应用于网络游戏、战场视景仿真、数字城市、电影制作等领域。     

一种量化关联规则挖掘算法

提出了一种新的挖掘量化关联规则的方法。该方法使用聚类算法把数据库中的交易记录分成若干个簇，把簇投影到数值型属性所在的域，形成重叠的、有意义的区间。实验结果显示，这种方法能够有效地挖掘量化关联规则，并且能够发现以前的算法可能遗漏的重要的规则。     

基于NURBS的散乱数据点自由曲面重构

针对散乱数据点,首先提出基于曲率测度的大规模散乱数据点自适应压缩方法。在此基础上,提出先压缩后重构的基于ＮＵＢＲＳ的曲面重构策略。该方法可在保持原数据点集基本特征的前提下,将散乱散数据点压缩到ＮＵＲＢＳ曲面重构要求的规模,从而实现了大规模散乱数据点的精确曲面重构。     

保持细节的网格曲面局部变形算法

针对直接控制自由变形算法(DFFD)在对大规模网格模型实施局部变形时细节保持性差的问题,以网格曲面上的离散泊松方程和微分算子为理论基础,提出一种完全自动化的网格模型局部变形算法。基本思想是依据用户对模型上控制顶点的移动及网格的表面几何特征,由算法自动判断得到变形区域,继而将用户对控制顶点的编辑操作映射为对变形区域梯度场地操作,最后通过泊松重建得到变形后的网格。优点是在使模型表面的局部几何细节得到保持的基础上省略了人为划定变形区域的步骤。     

大幅面地图的三维地形重建

研究完成了一个实用的可用于大幅面像素地图的三维地形重建系统.提出一个实用的等高线内插算法,算法克服了网格绘制等值线方法和三角网绘制等值线方法因只考虑了点的位置属性、未考虑等高线的线属性而使插出的等高线常常会与母线相交的弱点;同时提出了一个实用的等高线高程识别算法和一个可用于大幅面地图的三维规则数据场建立算法,算法充分利用了等高线的先验知识,不仅建立的数据场的质量很高,而且算法的时间复杂性与数据点数(m)和网格点数(n)成线性关系O(m+n),因此计算速度很快.最后利用三维规则数据场生成真实感图形.     

基于凹凸贴图的文物纹理重建技术研究

以文物的虚拟展示,资源共享为应用背景,提出了快速有效的高度图提取和凹凸映射方法。分析现有凹凸纹理重建方法的优缺点,结合点云切片技术,得出了适合文物的高度差提取方法;对基于高度图的凹凸映射技术进行研究,得出了快速有效的文物纹理重建方法。实验结果表明,此方法能用较少的多边形建立具有高度真实感的数字化文物,便于网络传输与浏览。