任意复杂曲面曲线零件曲率半径的图解法

复杂曲面零件在机械设计中很广泛 ,本文根据微分几何的分析方法 ,研究了曲线在基本三面形上的投影特性 ,得出了空间曲线上某点的曲率等于该曲线在密切面的投影的曲率 ,从而用图解法求出空间曲线在密切平面上的投影及其曲率 ,即求出空间任意曲线的曲率。在实际工程中具有现实意义和较大的推广应用。     

高斯曲率约束的MRG骨架提取优化算法

三维模型的骨架保持了模型的拓扑特性,并被广泛应用于模型相似性比较、计算机动画及压缩等领域.根据多分辨率Reeb图的原理,提出了一种基于离散高斯曲率约束的骨架提取优化算法.通过计算网格顶点的离散高斯曲牢判断曲面局部凸凹特性,以获取模型表面的双曲极值点作为约束点;并依据约束点及其邻域的μ函数值产生的分裂线进行区域细分,获得子连通区域、确定关节点、形成优化的骨架结构.实验结果表明,该算法有效地突出了模型的拓扑分支特征以及模型表面的细节,提高了骨架提取的精度和效率.     

基于局部曲面拟合的散乱点云简化方法

随着数据获取手段的进步,散乱点云数据在三维重建中获得越来越广泛的应用,然而庞大的数据量往往影响重建的效率。现有简化算法中采用的曲率计算方法精度不高,导致模型特征模糊。本文在分析曲面特征的基础上给出了一种曲面特征的定量描述方法。该方法采用局部曲面拟合得到曲面在一点处的近似曲面,然后用法曲率在360度范围内的平均值代替平均曲率来描述曲面在一点处的特征。简化时采用K-D树剖分点云数据,根据子节点所包含的采样点数、空间区域大小和曲面特征大小控制简化过程。实验结果表明,该方法能够更好地保持曲面的几何特征,从而证明了算法的有效性。     

一类极小曲面的控制网格表示

给出了平面曲率线极小曲面的拟Bézier和拟B样条控制网格表示,以悬链面及Enneper曲面为特殊形式,实现了由悬链面到Enneper曲面的动态变形.该工作为将极小曲面引入CAGD/CAD造型系统,并利用拟de-Casteljau算法生成极小曲面提供了一个有力的工具.     

一种6.9 ppm/℃92 dB PSRR基准电压源的设计

提出了一种利用简单结构实现高阶指数曲率补偿和高电源电压抑制比的带隙基准电压源。利用正温度系数的反向饱和电流IS和双极型晶体管正向导通时的电流增益β以及Trimming修条电阻实现温度补偿,同时采用Wilson电流镜和电压负反馈技术来提高PSRR。仿真结果表明,该基准电压源达到了6.9 ppm/℃的温度系数,低频时PSRR最高达92 dB和39.3 ppm/V的线性调整率。     

基于几何形状的点集聚类

针对传统的基于距离计算相似性聚类方法的局限性,提出一种基于几何形状的点集聚类方法.该方法可以从离散的点集中提取出具有某种拓扑几何形状特征的目标对象.实验证明,该方法可以有效地检测分布呈小饶度的曲线形状的点集,在一定程度上克服了基于距离检测方法的局限性,可以在工程图纸识别、计算机视觉、遥感识别等领域得到应用.     

鲁棒的高阶双边滤波去噪算法

提出了一种统一的局部高阶双边滤波算法.与传统的双边滤波去噪算法不同,该算法通过引入鲁棒统计理论获得模型表面较为准确的几何属性;进而在曲率空间中对包含主曲率和Frenet标架的表面几何属性进行各向异性的滤波,既有利于保持模型的细节,又能保证曲面的光滑性;与此同时,优化各个顶点的法向;最后在优化后的几何属性引导下,在几何空间中进行高阶双边滤波去噪.实验结果表明,即使在大噪声的情况下,该算法仍然能够有效地保持模型细节,避免模型的收缩和顶点漂移.     

三维曲面的特征描述和特征匹配

本文提出了一种新的三维曲面特征描述算法,将二维图像上的特征描述思想推广到三维网格。算法将三维网格表示成从顶点到高斯曲率的映射函数,从而获得可类比于二维图像的相似性。借助于法线和梯度建立局部球坐标系,通过二维统计直方图对特征点邻域的几何信息进行描述,使得特征描述具有平移、旋转和缩放不变性,最终生成128维的特征向量(特征描述符)。基于特征向量,我们实现了多分辨率和异拓扑网格下的特征匹配,展示并分析了实验结果。本文的研究动机来源于三维扫描建模以及多视点三维重建技术中对特征描述和特征匹配的需求,主要的应用方向包括:扫描配准、模型注册、动画跟踪、对称检测和模型检索。     

基于三角基线性拟合算法的后视镜外形优化

针对现有后视镜的缺陷,采用双曲镜设计,将视镜分为主视野区和副视野区（主视野区接近平面镜,副视野区是凸面镜）,在满足两个区域镜面平滑过渡的前提下建立曲面拟合模型,通过三角基线性拟合算法对复杂的曲面进行拟合,实现后视镜的曲面外形优化.该优化主要体现在可视区域变大,盲区减小,图像失真率小,在分界示意线过渡期间图像连贯且车身周围的图像失真率在3%以下.     

一种改进的点云数据精简方法

针对Kim的算法在简化散乱点云时经常丢失过多几何特征的不足,提出一种改进的精简方法。首先对点云进行最小二乘抛物面拟合求出所有点的主曲率;然后以数据点主曲率的Hausdorff距离为依据,提取并保留点云中的特征点;最后对具有不同特征的测量数据进行了精简分析。仿真实验结果表明,改进方法既能较大程度地简化数据点云,简化结果比较均匀,又具有不破坏细小特征的特点,能够充分保留原始点云中的几何特征;而且在保证简化质量的前提下提高了算法的效率。该方法能够为后续的三维重建提供有效的数据信息,节约后续工作的处理时间和硬件资源。