基于局部样本增益优化的α-shape曲面拓扑重建

在曲面重建中,提高棱边特征重建精度是逆向工程和计算机辅助设计制造等领域的难点问题。采用样点的近似拓扑近邻点集作为曲面局部样本,对α-shape算法进行优化,使α-shape尺度阈值能更为准确地反映样点分布密度,从而提高α-shape曲面拓扑重建结果的正确性。样点的近似拓扑近邻点集的获取本质上是欧氏近邻点集的增益优化,使后者向邻近的稀疏区域适度延伸,从而弥补因数据分布不均匀而导致的拓扑邻域信息缺失。基于增益优化后的样点近邻点集并结合曲面重建先验知识可确定α-shape尺度阈值,使α-shape曲面拓扑重建过程中尺度阈值可自适应调整。试验表明:该算法使所得网格曲面基本不含孔洞和棱边凹痕,能更好保持棱边特征的形位精度,可减少初次过滤结果中的非流形面片,同时具有与主流Delaunay网格过滤算法相近的重建效率。

曲面边界样点逆向均值漂移识别

针对现有的曲面边界样点识别算法难以适应非均匀分布的实物表面采样数据的问题,将目标样点的k-近邻点集作为曲面局部样本,基于均值漂移算法使得曲面局部样本在一定程度上向目标样点邻近的采样数据稀疏区域扩展,实现对曲面局部样本的增益优化,并对增益优化后的曲面局部样本进行核密度估计,获取目标样点对应的模式点,并通过比较目标样点与其对应模式点的偏离程度进行边界样点判定。实验表明,该算法可快速准确地识别曲面裁剪边界、几何连续的相邻面片公共边界以及曲率变化较大的过渡曲面上的特征样点,并且对非均匀分布的采样数据具有良好的适应性。

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。

保持型面特征的网格曲面光顺算法

针对网格曲面光顺存在局部型面细节丢失及整体光顺效果差的问题,结合三角Bézier面片具有精确插值产品型面的优点及G1连续曲面具备整体光顺的特性,提出一种保持型面特征的网格曲面光顺方法,该方法从原始网格曲面提取型面特征网格,将其作为参数域构建G1连续光顺参考曲面,通过将网格曲面顶点调整到参考曲面上,实现网格曲面的光顺处理。实验证明该方法可在有效保留原始网格曲面细节特征的情况下获得理想的整体光顺效果,并且具备较高的运行效率。

R＊树结点的主元分界分裂方法

为降低R*树结点重叠度,提高其空间利用率,通过结点特征点集方差及各子特征点集方差之和建立主元分析和结点分裂之间的联系,基于主元分析算法对特征点集进行降维处理,计算特征点集的主元向量,过特征点集中心且正交于该向量建立分界面对特征点集进行划分,将各簇数据的中心作为结点分裂的初始分裂中心,实现R*树结点分裂。实验证明,该算法具有较高的结点分裂效率,使得R*树结点重叠度降低,分裂结果较合理,显著提高了R*树构造效率和k近邻查询效率。