Bézier曲线降阶的迭代算法

为提高Bézier曲线降阶的稳定性,提出以基于L2范数的逼近误差为指导的一种迭代算法.该算法从一条初始Bézier曲线开始逐渐地对其控制顶点进行偏移,得到具有误差最小的逼近曲线;同时,应用线性搜索方法来优化控制顶点的偏移,使得在每次迭代后逼近误差可以达到局部最小.实例结果表明了该算法的快速收敛性.

二次带形状参数双曲B样条曲线

在空间Ω_5=span{1,sinh t,cosh t,sinh 2t,cosh 2t}上给出了二次带形状参数双曲B样条的基函数.由这组基组成的二次双曲B样条曲线是C^1连续的,同时具有很多与二次B样条曲线类似的性质和几何结构,并且可以精确表示双曲线.在控制多边形固定的情况下,可以通过调节形状参数的大小来进一步调整曲线的形状.

基于L_2范数的三角Bézier曲面降多阶逼近

给定n次的三角Bezier曲面,研究了在L2范数下一次降多阶的m次三角Bezier曲面最佳逼近的问题．首先提出了在不受约束条件下的一种简单直观的降阶方法．对于给定的角点插值条件,提出了另外一种降阶方法,来满足不同的设计需要．最后给出了曲面降多阶逼近的误差,并举例说明算法的有效性．

空间曲线的特征识别与高质量非均匀采样

为避免传统均匀采样方法因忽视曲线重要特征而生成不理想的采样结果,获得给定数量且由特征点和辅助点组成的采样点序列,提出基于特征识别的高质量空间曲线非均匀采样方法.首先使用抛物线插值法得到曲线上所有曲率极大值点和挠率极大值点的近似位置,经筛选后产生特征点,以更好地抓住空间曲线的轮廓特征.然后定义基于弧长、曲率和挠率加权组合的特征函数,并以此自适应地选取曲线上的辅助点.与3种主流采样方法比较的实验结果表明,该方法能够获得更高质量的采样结果且具有更好的实用性,从而进一步改善空间曲线的B样条拟合效果.

基于jerk能量最小化的空间五次G2插值曲线构造

光顺曲线具有简单的曲率轮廓,在计算机辅助设计、轨道规划和相关应用领域有重要的需求.首先,针对给定的G2数据,构造一条含4个自由参数的空间五次Bézier曲线使其在端点满足特定曲率和Frenet标架.然后,使用jerk能量近似表示曲线的曲率变化,定义目标函数为jerk能量和曲线长度的加权组合,提出基于jerk能量最小化的空间五次G2插值曲线构造方法.最后,将目标函数简化为二元四次多项式,使用投影牛顿法求解约束优化问题.与之前基于应变能最小化的方法相比,实例表明该方法能够生成更光顺的曲线和更好地处理空间曲线.

空间曲线基于内在几何量的高质量采样和B样条拟合

为解决均匀参数采样在许多情况下得到质量不高的采样点,进而生成不理想的B样条拟合曲线,提出空间曲线基于内在几何量的均匀采样方法,以获得给定总数且具有代表性的采样点.首先定义基于弧长、曲率和挠率加权组合的特征函数,通过调整组合参数更好匹配不同的曲线形状;然后提出空间曲线基于内在几何量的自适应采样方法,迭代生成满足给定距离阈值的采样点.采用最大绝对误差和均方根误差作为评价指标,与均匀弧长采样方法和基于弧长和曲率平均的均匀采样方法进行对比,并通过实例进行验证.结果表明,文中方法在采样质量和B样条拟合结果上获得明显改善.