一种基于曲率极值法的LiDAR点云特征提取算法

针对地面LiDAR（1ightdetectionandranging）技术在三维数据采集过程中无法体现人的主观判别能力、采样数据存在大量冗余的问题,提出了一种基于曲率极值与最小生成树准则的LiDAR点云特征提取算法．通过二次曲面拟合实现对原始采样曲面的模拟与表达,估算采样表面的几何微分属性,分别基于平均曲率比较法、曲率极值法来实现特征点的初选与精选;设计并实现了一种基于最小生成树准则的特征点拓扑邻接关系的确定方法以及相应的最小生成树裁减算法,在确定特征点拓扑邻接关系的同时,依据裁减算法实现了采样地理实体表面特征的精确提取．实验证明,算法是可行、有效的,利用算法提取了LiDAR点云的特征之后,有效地增强了点云数据的表达能力,弥补了地面LiDAR技术在数据采集过程中无法体现人的主观判别能力的不足;借助于算法提取的采样地理实体表面特征来指导和约束点云数据简化过程,可在有效保留原始采样曲面重要特征的同时实现点云数据的大幅度精简．     

基于张量投票的快速网格分割算法

为了根据网格模型上的尖锐几何特征对三角网格曲面进行合理分片,提出一种新的基于张量投票（tensor voting）理论的三角网格分割算法.该算法将输入网格模型上所有的三角面片聚类成由用户指定数目的若干个区域,使得区域内部三角面片上点的尖锐几何特征尽可能接近.根据网格模型顶点上基于法向的张量投票矩阵的特征值分布与顶点尖锐几何特征的对应关系,算法将网格分割转化为能量最小化问题,并适当简化能量函数的形式,用快速聚类算法求解.通过引入启发式约束,算法较好地防止了分割区域的分离.实验表明：与已有算法相比,该算法具有较快的速度,同时能够较好地分割网格曲面上的尖锐几何特征区域.     

基于位置的社交网络用户轨迹相似性算法研究

针对位置社交网络的用户轨迹相似性分析,先对签到点分层聚类,然后计算各分层的用户轨迹相似性,加权得到用户总体相似性,提出了一种基于自适应密度聚类的用户轨迹相似性双重加权模型。首先根据签到点的分布,提出基于聚类区域半径的自适应密度聚类算法,对签到点进行聚类,得到符合一定区域半径的自适应分层聚类区域。然后针对用户相似性的计算,提出用户轨迹相似性双重加权模型：基于不同层次上权重不同及同一层次上不同签到区域权重不同两个原则。基于分层聚类区域,计算用户访问各分层的轨迹相似性;由于不同签到区域对相似度的表征能力不同,通过不同权重来计算具体层次上的相似性。进而进行层次上的加权,获得用户总体的相似性。通过仿真,该方法能有效的分析出用户轨迹相似性,具备较高的准确性。     

曲面简化算法及其改进研究

首先介绍了曲面简化问题的背景和应用前景 ,同时介绍了目前主要的三大类简化算法 ,点抽取法、点聚类法和边压缩法 ,并对这三种算法的性能作了评价 ;然后在边压缩算法的基础上提出了基于点对压缩的外观保持简化算法 ,使其具有更好的应用性、普遍性、适用性、罗好的质量和可控性。并且详细地介绍了算法思想 ,对算作了分析 ,并给出了一个应用示例。最后简述了曲面简化算法的发展趋势。     

点模型的面元重建和简化

为了有效简化稠密采样点模型，提出了一个面元重建和几何简化算法.该算法在每个采样点附近重建一个函数曲面，根据给定误差得到置信邻域，重新计算函数曲面，得到更大的置信邻域，如此反复迭代，产生一个具有最大置信邻域，并在更大范围内逼近原模型的面元.采用面元简化方法对点模型进行简化，删除了相互重叠而形成的冗余面元，从空面元集开始，每次选出一个最佳面元添加到该集，直到该集完全覆盖原模型表面.实验结果表明，在一定误差控制下，该算法能有效减少稠密采样点模型的点数,简化模型能很好地保持原始模型的几何形状.     

基于自适应采样的复杂模型全局近似

针对复杂模型近似处理的问题,提出自适应采样结合曲面曲率的全局近似方法.采用自适应设计域分割采样方法获取新增采样点,逐步提高源模型的响应面近似模型精度.引入判定响应面近似模型精度,提出利用几何方法计算曲面曲率,并结合启发式直接搜索算法（DIRECT）搜索响应面模型上的最大曲率点及设计域最佳分割位置.所提方法可以运用于其他响应面模型,并适合用于大设计域、大数据源模型的近似处理.函数源模型及复杂电动车模型的近似处理测试结果表明,所提方法具有实用性和有效性.     

基于法矢修正的点云数据去噪平滑算法

逆向工程数据采集点云数据的离群点和噪声点的存在,直接影响数据的多视图拼合,特征提取,数据精简以及曲面重构的质量。在对双边滤波和三边滤波算法的研究的基础上,提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征,将具有相似几何特征的点限制在法向量相似的区域,在相似邻域内的采样点法矢和位置分别进行保特征的三边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点,同时保证了点云数据的尖锐及边缘特征,取得良好的去噪效果。     

基于法向量距离分类的散乱点云数据去噪

在三维点云数据的去噪中,很难实现既保持尖锐区域的特征,又使平滑区域高度光顺。为此,提出了一种基于法向量距离分类的去噪方法。首先计算点云数据的微分几何信息。采用鲁棒的方法对点云数据进行法矢量估算,并将其法矢量方向调整到一致。再根据采样点的局部二次曲面拟合来估算点云数据的曲率;然后通过计算从采样点到其切平面的法向距离,将点云数据划分为平滑区域和尖锐区域,并采用加权局部最优投影算法和双边滤波算法分别对平滑区域和尖锐区域进行滤波去噪。选用Bunny和Fandisk点云模型,分别采用单一的加权局部最优投影算法、双边滤波算法及两者相结合算法对点云模型进行去噪测试。测试结果表明:所提方法可有效去除噪声模型中的孤点,提高点云分布的均匀性;增强点云模型平滑区域的光顺度,保持了尖锐区域中的几何特征并避免了过度光顺和细节特征失真。对比测试数据可知,降噪点云模型的误差和偏差较小,Bunny模型的平均误差为0.001 1 mm,Fandisk模型的平均误差为0.000 7 mm。     

单曲率特征自由曲面的相似性比较算法

研究具有单一曲率特征的B样条表达的自由曲面形状相似性评价问题,提出了一种基于曲率特征的相似性评价算法。首先计算相比较的2个曲面上各点法向矢量和,并将该和矢量作为Z轴,使2个曲面Z轴对齐;然后用垂直于Z轴的平面分别截切两曲面,得到2个曲面各自的截交线集合;最后,设计了平面曲线相似性比较算法,实现2个截交线集合中对应曲线的相似性比较,并以此作为评价2个曲面相似性的依据。算法通过平面截切的方法将三维空间的曲面相似性比较问题转化到二维空间来实现,有效地降低了问题的复杂度。算法在姿态调整中仅需对齐一个坐标轴,简单易行。为检验算法的效果,分别对不同类型单一曲率特征B样条曲面进行仿真实验,结果表明,提出的自由曲面相似性比较算法可行有效。     

复杂自由曲面的分片规划

针对模具自由曲面研抛效率低下的问题,根据计算机图形信息和NURBS曲面构造特点,提出了基于曲率的与模糊C中值法相结合的自由曲面分片规划算法。该算法将自由曲面分成若干曲面片,并将几何信息和加工工艺信息相似的曲面片分类归族,即聚类曲面片族。利用分片算法进行的仿真和实验结果表明:此分片算法能够实现自由曲面的分片,按聚类曲面片族进行研抛可提高加工效率。