基于推广B 样条细分方法的曲面混合

提出用推广B 样条细分曲面来混合多张曲面的方法,既适用于一般网格曲面,又适 用于推广B 样条参数曲面混合。根据需要选择阶数和张力参数,可全局调整整张混合曲面的形状。 中心点和谷点的计算都设置了形状参数,可局部调整混合部分形状。推导出二次曲面细分初始网 格计算公式,并将3 阶推广B 样条细分曲面混合方法用于多张二次曲面混合,与已有的二次曲面 混合方法相比具有明显的优势。     

基于C-B样条的Catmull-Clark细分曲面

为了解决 Catum ull- Clark细分曲面在工程上难以推广的问题 ,给出了一种基于 C- B样条的 Catumull-Clark细分曲面的算法 .C- B样条曲线是 B样条曲线的拓广 ,但它们的形状依赖于参数 α.由于新的曲面细分方法充分利用 C- B样条能够精确表示圆、椭圆等规则形体的特性 ,因而使通过此方法生成的细分曲面 ,除了在奇异点处能保持二阶导数连续外 ,还能够像 C- B样条曲线、曲面一样 ,精确地表示圆柱等常规曲面、统一工程曲面等的造型 ;同时它仍然保持细分曲面的造型特点 ,即能够解决 NU RBS曲面难以处理的任意拓扑结构的造型问题 ,另外 ,还可依赖控制参数 α的调节作用来增加造型的自由度 ,而且当 α→ 0时 ,它们就退化成 Catm ul- Clark细分曲面 .在工程图形上的应用实例表明 ,这种算法简单、有效 .     

基于双参数四点细分法的曲面造型

将双参数四点细分曲线方法进行推广，提出了基于双参数四点细分法的曲面造型方法，并对其收敛性进行了分析。该方法通过对两个参数的适当调节能够较容易地控制极限曲面的形状，极限曲面能够达到C4连续，可以应用到对曲面的连续性要求较高的曲面造型中去。在给定初始数据的条件下，可通过对形状参数的适当选择来实现对极限曲面的形状调整和控制，试验表明该算法生成光滑曲面是有效的。     

基于C-B样条的Catmull-Clark细分曲面造型系统的开发

论文针对工程应用,根据C-B样条和Catmull-Clark细分曲面的特点可调因子使得生成曲面形状可调和一次细分操作以后所有的网格面片都为四边域,构造合理的数据结构,采用有效的实时交互式的用户界面,开发了基于C-B样条的Catmull-Clark细分曲面的造型系统.为细分曲面的形状调整提供了简单、实时而且直观的人机交互方法.该系统能处理任意拓扑结构,能够精确地表示二次曲面,所生成的曲面光滑可调.可以以软件包或插件的形式加入到现有的CAD系统中.     

基于C—B样条的Catmull—Clark细分曲面

为了解决Catumull-Clark细分曲面在工程上难以推广的问题，给出了一种基于C－B样条的Catumull-Clark细分曲面的算法，C－B样条曲线是B样条曲线的拓广，但它们的形状依赖于参数α，由于新的曲面细分方法充分利用C－B样条能够精确表示圆，椭圆等规则形体的特性，因而使通过此方法生成的细分曲面，除了在奇异点处能保持二阶导数连续外，还能够像C－B样条曲线，曲面一样，精确地表示圆柱等常规曲面，统一工程曲面等的造型，同时它仍然保持细分曲面的造型特点，即能够解决NURBS曲面难以处理的任意拓扑结构的造型问题，另外，还可依赖控制参数α的调节作用来增加造型的自由度，而且当α→0时，它们就退化成Catmul-Clark细分曲面，在工程图形上的应用实例表明，这种算法简单，有效。     

Catmull-Clark细分曲面的形状调整

提出一种调整细分曲面形状的算法．该算法用cosα(Ck)取代C-B样条的形状因子α,并将Ck的定义区间从[-1,1]扩大到[-1,∞);然后用这种扩展了的GB样条来构造catmull—clark细分曲面;使得生成细分曲面的形状不仅能够在C-B样条的范围内可调,而且还能在标准的catmull-clark细分曲面和初始的控制网格之间任意调整．该算法保留了C-B样条和catmull-clark细分曲面的主要特点,如精确表示圆柱体、处理任意拓扑结构的控制网格等。     

基于轮廓数据的B样条曲面重建

针对B样条曲面拟合中出现的问题和困难,提出了一种基于行组织的轮廓数据（截面数据）的曲面重建方法。该方法避免了数据点的参数化问题,使得逼近曲面拥有较好的形状和合理的控制顶点数量。该方法的基本思想是：首先构造易于控制的低阶曲面拟合数据点,此曲面称控制曲面,然后利用高次曲面逼近该曲面,此高次曲面称为逼近曲面,为所需要的重建曲面。在曲面重建中利用最佳平方逼近和光顺函数,减少了逼近曲面的控制顶点冗余,较有效地防止了逼近曲面的形状突变和曲面的扭曲,很大程度地提高了曲面的质量。     

参数样条曲面OFFSET的BP算法

提出了用ＢＰ神经网络计算参数样条曲面ＯＦＦＳＥＴ曲面的新方法。该方法能保证对于每一组给定的参数、参数样条曲面及其ＯＦＦＳＥＴ曲面上的点一一与之对应。文章以非均匀有理Ｂ样条曲面为例，给出计算实例。结果表明，该方法可行、稳定、具有实际应用价值。     

基于四边形网格的可调细分曲面造型方法

提出了一种基于四边形网格的可调细分曲面造型方法。该方法不仅适合闭域拓扑结构，且对初始网格是开域的也能进行处理。细分算法中引入了可调参数，增加了曲面造型的灵活性。在给定初始数据的条件下，曲面造型时可以通过调节参数来控制极限曲面的形状。该方法可以生成C1连续的细分曲面。试验表明该方法生成光滑曲面是有效的。     

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。     

局部能量最优法与曲线曲面的光顺

曲线光顺处理的方法主要有选点修改法和优化方法，而Kjellander方法是最常的选点修改法之一，文中提出一种选点修改法－局部能量最优法，该方法在三次均匀参数曲线法顺问题上进一步改进了Kjellander方法，具有更好的光顺效果，对三次B样条曲面给出了一个与此相关的曲面光顺方法。     

Loop细分曲面精确求值新公式

利用控制网格拓扑结构的对称性,通过将奇异点周围1-环和2-环的控制顶点进行离散Fourier变换(DFT)得到分块对角阵,将其进行特征分解及排序之后,再通过离散Fourier逆变换(IDFT)和截断等操作得到细分矩阵的高次幂的表达式,从而得到Loop细分曲面新的精确参数化公式.     

自由曲线曲面的任意次非均匀细分

提出一种有效的建模自由曲线曲面的非均匀细分算法。首先在节点插入技术基础上推导出任意次自由曲线的非均匀细分规则,然后把它推广到张量积曲面得到任意次自由曲面的非均匀细分规则,最后对奇异点附近曲面采用类Doo-Sabin和Catmull-Clark的细分规则,从而使该算法可以实现建模任意次具有任意拓扑基网格的非均匀细分曲面。此外,该方法也实现了对传统细分格式的统一,例如,当次数为2并采用均匀节点矢量便转化为Doo-Sabin细分,当次数为3并采用均匀节点矢量便转化为Catmull-Clark细分。     

Bézier曲面的广义细分

将矩形和三角形Bézier 曲面的基于直线的细分推广到基于曲线的细分.运用多项式曲线细分矩形和三角形Bézier曲面,并以参数变换和多项式开花为工具, 计算出细分后每个子曲面片的Bézier控制顶点.曲线细分使细分方式的选择更灵活, 细分后的子曲面片及其边界的形状更丰富多彩,而且该方法能推广到有理情况.     

曲面三参数binary细分法

在经典四点细分法的基础上,通过在曲线细分过程中引入三个参数,给出一种改进的细分曲线构造的算法,利用生成多项式等方法对细分法的一致收敛性、Ck连续性进行了分析。并把该方法扩展到曲面上,进而提出了曲面三参数binary细分法。在给定初始控制数据的条件下,可以通过对形状参数的适当选择来实现对细分极限曲面形状的调控。数值实验表明该算法较容易控制曲面形状,可方便地应用于工程实际,解决曲线、曲面位置调整和控制问题。     

细分曲面求交裁剪算法研究

基于细分曲面的参数化表示,研究了细分曲面的精确求交、裁剪算法。首先对控制网格建立局部坐标系,将细分曲面表示为一系列小的面片,并对每个控制顶点赋予参数值。然后用改进的轮廓删除法细分控制网格,在关联曲面间进行相交性检测,得到近似交点及其参数值,再用迭代法求得精确解。根据用户指定的裁剪区域确定交线的走向,将被裁剪曲面的控制网格面分为保留面、裁剪面和删除面,设置每个裁剪面的裁剪域,从而实现细分曲面的精确裁剪。算例表明,该文的方法简单、有效。     

Bezier曲面的广义细分

将矩形和三角形Bezier曲面的基于直线的细分推广到基于曲线的细分.运用多项式曲线细分矩形和三角形Bezier曲面,并以参数变换和多项式开花为工具,计算出细分后每个子曲面片的Bezier控制顶点.曲线细分使细分方式的选择更灵活,细分后的子曲面片及其边界的形状更丰富多彩,而且该方法能推广到有理情况.     

基于参数优化的多层次单元划分曲面重建

为了提高现有MPU曲面重建的稳定性,提出了一种基于参数优化的MPU曲面重建算法。通过分析包围球半径的比例系数α和包围球内点云最小数目Nmin对曲面重建的影响,根据局部隐含数逼近的条件,对Nmin进行调整。同时,结合不同形态特征的点云模型对覆盖密度的要求,对α进行调整,使得α和Nmin达到一个最优组合,进而使得曲面重建算法更稳定。实验结果表明,该算法能快速准确的对不同点云模型进行参数选取,从而得到更理想的曲面重建效果。