空间散乱点k近邻搜索的新策略

提出了一种快速搜索k近邻点的算法。本算法采用空间包围盒分块策略,将数据点空间沿三个坐标轴方向分割成若干小立方体子空间。在局部搜索过程中,通过方向控制减小扩展的搜索范围,优先在k近邻最有可能出现的立方体子空间内搜索。大量实际数据的实验结果表明:本文算法可以大大提高海量散乱数据点的k近邻搜索的速度。     

空间散乱点尼近邻搜索的新策略

提出了一种快速搜索后近邻点的算法。本算法采用空间包围盒分决策略,将数据点空间沿三个坐标轴方向分割成若干小立方体子空间。在局部搜索过程中,通过方向控制减小扩展的搜索范围,优先在后近邻最有可能出现的立方体子空间内搜索。大量实际数据的实验结果表明：本文算法可以大大提高海量散乱数据点的后近邻搜索的速度。     

自由曲面测量的三维散乱点云无约束配准

结合局部曲面拟合和广义二分优化搜索,提出了用于大尺寸自由曲面形貌测量中多视三维散乱点云自动配准的算法.首先,对点云微小局部区域进行标准最小二乘曲面拟合,根据拟合残差提取给定点云的全部非平坦区;借助图论中“邻接”与“可达”的概念以及非平坦区的空间分布统计特征,进行相邻点云非平坦区的区域聚类计算以及区域匹配,进而自动获得配准位姿初值.然后,计算源点云在目标点云中最靠近点的k邻近,并向k邻近点的局部移动最小二乘拟合曲面做正交投影,以提取对应点.最后,采用广义二分优化搜索进行位姿变换的优化求解.试验结果表明:该方法稳定、可靠,无需人工交互,适用于采样错移情形.在重叠区域内选取150个对应点进行位姿优化时,平均配准缝隙约为0.02mm,可以满足大尺寸自由曲面形貌测量的多视三维散乱点云配准的要求.     

基于自适应最优邻域的散乱点云降噪技术研究

在分析已有滤波技术的基础上,计算点的法向矢量和法向局部方差。采用与法向局部方差有关的自适应角度阈值的截断函数限制邻域点的选择,获得与表面特征有关的自适应最优邻域;采用改进的三边滤波方法实现法向矢量滤波和位置滤波。实验验证了该方法的可行性,与其他滤波方法相比,该算法能更有效地保持细节特征,同时获得光顺的离散表面。     

基于三维测量扫描线点云的表面重建

由结构光测量系统获得扫描线点云，通过剔除测量方向部分冗余数据点和插补扫描方向的稀疏数据，对物体表面原始三维数据密度进行适当调整。采用基于局部切平面簇的方法对调整后的数据点云进行表面重建，建立优化函数简化网格，并采用Loop细分法平滑网格，获得描述物体表面特征的重建表面。该方法解决了由扫描线点云重建物体表面的问题。     

基于散乱测量数据点的三轴数控粗加工刀位轨迹生成算法

提出了一种直接利用三维散乱测量数据点的三轴数控粗加工刀位轨迹生成算法。首先根据切层深度作一组垂直于Z轴的平面,去截取测量点云,得到一系列切层截面点集,再在每个切层面上组环并判断加工区域,规划出刀位轨迹,将每一分层平面上的刀位轨迹按适当的方式连接起来,就可构成零件的整体加工轨迹。该算法避免了由测量点构造曲面且由曲面来进行刀位轨迹生成的这一复杂过程。     

基于支持向量回归机的点云曲面重构方法

提出了一种基于支持向量回归的点云曲面重构方法,并以径向基函数为核函数重建复杂线性函数曲面模型,实验表明该方法能直接重建散乱点数据,具有误差小,速度快等优点.     

基于Level Set方法的点云建模技术研究

描述一种利用偏微分方程(PDE)和变分法进行点采样几何模型重建算法.把符号距离函数与任意函数的度量函数作为内部能量,根据能量约束最小化条件,通过Level Set方法求解曲面的梯度流.使初始曲面随时间产生演化变形,直至逼近目标模型,完全消除重新初始化过程.实验表明,通过Level set方法能够把初始曲面快速自动演化变形到目标模型,对任意拓扑结构和带噪声的点云具有很强的适应能力.     

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。     

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。     

一种基于RBF隐式曲面的离散数据快速重建方法

本文针对空间散乱数据, 提出一种基于RBF（Radial Basis Function）隐式模型的快速曲面重建方法,并实现了隐式曲面的可视化。三维离散数据由于分布稠密、不均匀,空间拓扑结构未知的特点,本文首先强调大规模散乱数据预处理的重要性。通过基于空间法向量约束和主元分析两种方法进行数据简化和特征提取。其次采用K-d tree数据结构进行空间数据分割,将全局模型转化为局部的RBF模型,从而通过求解线性方程组得到模型的权值系数。最后在局部交叠空间光滑拼接,得到一个代数表达形式的光滑曲面。实验结果表明,该方法适用于任意复杂物体的三维曲面重建,而且具有较高的重建精度。     

面向曲面重构的切平面法矢方向调整算法

提出一种基于法向距离的法矢方向调整算法。主要思想是根据法向距离阈值,把散乱点划分为平坦点和非平坦点两种类型;根据其邻近点是否有不平坦点来采用不同的法矢传播方式而无需建立散乱点法矢的Riemannian图;并提出了两次最近距离和一次k近邻遍历法加快了法矢的传播速度。应用实验球、切牙、磨牙、怪兽和全口牙模5个不同点云数据进行了算法验证,对怪兽和全口牙模法矢传播过程中遇到的死锁问题,使用三次最近距离法给予了解决。     

基于曲面局平特性的快速曲面重建算法

提出了一种基于曲面局平特性的散乱点集的曲面重建算法。基于曲面局平特性的重建算法具有快速、内存需求少的优点,但这类算法对输入点集有局部平坦性的要求,对局部质量没有保证,容易出现空洞、重叠、法矢不连续等缺陷。通过分析对这类方法进行改进。实践结果表明,在采样点过少或极其不均匀情况下,仍能得到较好的重建质量。     

散乱数据点三角网格综合优化及分析

研究了在散乱数据点的三角网格划分后，对三角网格进行三角形形状和网格空间形状综合优化的方法，并结合应用实例进行优化效果分析。分析结果表明，通过对这种综合优化方法可同时获得三角形形状和网格空间形状都很好的网格拓扑结构。     

散乱点集拓扑邻域均值逆向漂移查询算法

为获取散乱点集的拓扑邻域数据,提出一种基于均值逆向漂移的自适应迭代搜索查询算法,基于R*树动态空间索引,采用动态扩展空心球k邻域查询算法快速获取目标样点的拓扑邻域参考数据,根据邻域查询与点集密度分布的关系,采用核密度估计描述点集的分布规律,利用均值漂移算法计算得到能够反映散乱点集局部分布特征的均值漂移矢量和均值点,将邻域搜索区域沿逆向均值漂移矢量移动进行邻域查询并实时更新样点的拓扑邻域参考数据,进而完成拓扑邻域查询的均值逆向漂移迭代计算,最终实现样点拓扑邻域数据的自适应搜索查询。试验表明,该算法可快速获取复杂型面均匀或非均匀采样点集的邻域数据,查询结果包含Voronoi邻域及其他有效邻域参考数据,能更好地反映散乱点集局部型面特征。     

基于三维凸包的可变形离散网格模型

针对有限三维点集的表面重构问题，提出一种可变形网格模型的建模方法。对网格模型的流形表达、可变形网格的约束模型等关键技术进行了研究和探讨，提出了确定和维护网格变形方向的方法，并给出了三维离散点集的凸包计算结果。     

散乱测量数据多层次B样条逼近曲面拟合算法

提出了一种散乱测量数据的快速曲面拟合方法。该方法使用由粗到精的有继承关系的控制网格分级,从而产生相应的拟合逼近函数,每一级都比前一级更加逼近测量数据。拟合曲面的精度与光顺性可通过适当选择分级层数得到控制。当控制网格分级足够多,密度足够大时,最后拟合结果是插值于测量数据的C2连续曲面。     

三维散乱点云的分割与几何形体重构

研究了由三维点云重构几何形体模型的方法与步骤。提出了点云分割的2种交互方法——基于特征识剐的分割和投影裁剪分割。给出了表面数据点群的边界搜索算法和表面求交算法，实现了一种从三维点云到几何形体的分割与重构方法。