一种基于散乱数据的自适应曲面重建算法

本文依据Shepard基本原理,提出了一种新的自适应曲面重建算法。该算法首先利用LMS方法优化改进型Shepard算法,求出由粗糙到细致的控制网格。再利用双线性插值方法进行曲面重建,同时保证曲面的平滑性。实验结果表明本文提出的算法能够有效地重建较高精度的曲面。     

大规模散乱数据的层次B-样条曲面表示

文中描术字一种规模散乱数据的快速表示方法,该算法利用一系列认粗糙到精细的Ｂ－样条控制网络来逐步逼近或插值综定的散乱数据点集;并且,由粗到细的细化过程只局限于误差还没有达到给定要求的区域。     

散乱数据点的细分曲面重建算法及实现

提出一种对海量散乱数据根据给定精度拟合出无需裁剪和拼接的、反映细节特征的、分片光滑的细分曲面算法．该算法的核心是基于细分的局部特性，通过对有特征的细分控制网格极限位置分析，按照拟合曲面与数据点的距离误差最小原则，对细分曲面控制网格循环进行调整、优化、特征识别、白适应细分等过程，使得细分曲面不断地逼近原始数据．实例表明：该算法不仅具有高效性、稳定性，同时构造出的细分曲面还较好地反映了原始数据的细节特征。     

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。     

用参数样条插值挖补方法进行大规模散乱数据曲面造型

利用矩形域中带连续边界条件的多元散乱数据最优插值方法，结合张量积型参数样条插值，从挖补的思想得到启发，提出一种适合大规模散乱数据曲面造型的参数样条插值挖补方法．用该方法构造的参数曲面内部C^m，n连续，挖补的矩形边界分别为C^m-10.和C^0,n-1连续．最后就常见的m=n=2时的双三次样条给出一些数值例子，说明该算法简单易行，效果良好．     

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。     

非矩形定义域上的散乱数据曲面重建的Multiquadric基函数拟合法

传统的Multiquadric基函数拟合散乱数据方法,只能用于定义域呈矩形拓扑的散乱数据集上,而逆向工程中通常遇到的是非矩形定义域上的散乱数据集,因此不能用传统方法。文章提出一种新的Multiquadric基函数拟合非矩形定义域上的散乱数据集。该方法首先找到一个与该散乱数据集所在曲面拓扑等价的参数曲面,通过将散乱数据点(xi,yi,zi)一一映射到此参数曲面,反求出其对应参数(ui,vi),由于(ui,vi)∈犤0,1犦×犤0,1犦,从而将非矩形定义域上的Multiquadric基函数拟合方法转化为传统的方法。将Multiquadric曲面与B-样条曲面进行了比较,指出了Multiquadric曲面优于B-样条曲面之处。     

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。     

一种散乱数据点的多分辨率曲面重构方法

给出一种基于细分曲面技术实现散乱数据点的多分辨率曲面重构的方法。在曲面重构过程中,依据灰度图像边缘检测思想分析散乱数据特征值,将这些特征值生成纹理特征曲线进行曲面细分,从而形成了多分辨率网格模型结构。经过测试,该方法不仅重构曲面时间短,同时构造出的细分曲面能较好地反映原始数据的细节特征。     

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.     

稠密散乱数据点多分辨率曲面重构

将曲面重构看作是一种信号重构过程,针对大量散乱数据点,借助成熟的三角网格划分和网格化简算法,利用提升小波变换实现曲面重构,可以快速地构造出复杂拓扑结构的Calmull-Clark曲面;给出了小波系数估算方法以及基于网格拓扑结构的局部最优路径搜索算法．通过运行实例证明了文中算法的有效性．     

Mesh Generation from Dense 3D Scattered Data Using Neural Network

An improved self-organizing feature map (SOFM) neural network is presented to generate rectangular and hexagonal lattic with normal vector attached to each vertex. After the neural network was trained, the whole scattered data were divided into sub-regions where classified core were represented by the weight vectors of neurons at the output layer of neural network. The weight vectors of the neurons were used to approximate the dense 3-D scattered points, so the dense scattered points could be reduced to a reasonable scale, while the topological feature of the whole scattered points were remained.     

密集散乱数据的三角形网格曲面逼近方法

介绍了一种密集三维散乱点群数据的三角形网格曲面逼近方法 .算法采用一定数量的球体在曲面空间的有效投影域上的排布来模拟 Voronoi多边形 ,从而实现平面域约束 Delaunay三角剖分 ,并利用 Hardy多二项式插值原理将其映射到曲面空间 .通过对球体集合的动力学数值仿真 ,解决了网格节点的位置确定和最佳网格节点数量确定的问题 .实际模拟结果表明 :算法结构清晰、实用 ,三角化结果品质良好 ,在数控加工和反求工程中有着广阔的应用前景 .     

散乱分布数据曲面重构的光顺-有限元方法

提出了一种基于散乱分布的数据点重构三维曲面的有限元方法.根据最佳逼近与数据光顺理论建立正定的目标泛函,采用有限元最佳拟合使泛函极小化,求得最优解.通过八节点等参数有限元插值计算,重新构造出三维曲面.这种光顺-有限元方法有效地抑制了输入数据上误差噪声的影响,与有限元拟合方法相比,所需的输入数据点少,重构的曲面逼近精度高、光顺性好.数值实验表明,该方法简单,便于应用.     

一种基于投影的散乱数据表面增量重建算法

针对3维散乱数据场提出了一种表面重建算法.根据空间曲面的局平特性和平面三角化的基本原则,在参考点的切平面上对邻域点按角度排序,应用可见性准则删除不可见点后,相邻邻域点和参考点形成三角网格.将平面上的网格关系对应到空间,以增量方式重建反映散乱数据场拓扑关系的空间曲面.设定角度阈值优化网格,判断空间曲面的边界和孔洞.对多个数据场进行重建并对结果进行分析.对多个数据场进行重建并对结果进行分析表明,算法具有原理简单,重建速度快,重建效果好的特点.     

多分辨率网格的数据压缩

在对三角形网格多分辨率分析中,为了避免重新网格化的过程,基于小波变换,扩展了Lounsbery的方法。该算法直接对不规则网格进行渐进压缩,得到了不同分辨率的网格。在此过程中还可以基于三角形网格的连接信息,对三角形网格进行优化,使之更加规则,从而使本文算法得到了改善。实验结果表明,算法速度快,效果良好,有一定的实用性。     

一种地形数据压缩的自适应分块编码方法

地形数据的空间自相关性有着很强的方向属性。为了充分地利用这一属性来消除地形数据之间的信息冗余度，本文提出了一种自适应分块的编码方法。首先确定地形带的自相关方向属性，然后依照地形方向性的不同，将数据按不同矩形形状进行方块划分，然后对较平坦的地形块和剧烈变化的地形块分别采用ＭＶＱ方法和ＢＴＣ－ＶＱ方法进行编码，以保护边缘信息。这种采用自适应分块式的编码方法与通常使用的固定分块方式的编码方法相比，可以大