物探数据三角网逆生长网格化方法

针对矩形网格化方法和传统三角网格化方法的不足,提出一种三角网逆生长网格化方法。该方法首先根据离散物探数据的特点提取数据边界,然后以边界作为基础由外向内逆向生长构建三角网。应用某测区的EH4电磁测深数据进行网格化及可视化分析。实验结果表明:该方法能够在当前数据条件下智能地生成高质量的不规则三角网,且边界拟合算法简单精确,可以为后续的数据可视化和资料处理解释提供良好的基础。

三角形增长算法构建Delaunay三角网DEM的原理与实现

本文主要论述了三角形增长算法建立Delaunay三角网DEM。首先通过最优边找首三角形,其次通过直线与点几何关系来寻找可能扩展点,通过找最大夹角来判断满足狄洛尼法则的扩展点,最后通过新加入边与已扩展边的数目来判断是否为重复狄洛尼扩展点,符合条件则构建三角网。然后通过空外接圆法则验证了所构三角网符合狄洛尼三角网的条件。狄洛尼三角网的建立和空外接圆的验证程序采用M语言来编写。

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。

三维扫描点云优化网格重建与软件系统实现

物体经过三维扫描后获得大量的散乱点数据,为了能快速、准确的重建出网格曲面,提出了一种空间三角网格螺旋增长重建的算法。该算法首先利用包围球法对散乱点云进行优化,然后根据极坐标法确定螺旋增长的初始三角形,通过对生长的三角形最长边、最小内角和具有公共边的三角形所在面的二面角进行限制和对相应的新的网格边界点进行加锁和解锁操作,不断的寻找最佳扩展点,直到无可用的扩展点为止,最后再对有缝隙的网格边界进行缝合,完成三维扫描点云优化网格重建。

基于逆生长三角网的等值线图自动填充算法

现有的等值线图填充算法一般不能正确判断等值域填充等级,确定等值域填充顺序,因而造成填充失真;同时,边界扫描、快速搜索等常用算法不能实现矢量填充,在对等值线图进行编辑时无法实时更新.针对上述问题,本文提出并实现了基于逆生长三角网的物探等值线图自动填充算法,利用不规则三角网边界及内部网格边信息,自动获取等值域边界,排列填充顺序,判断填充等级;通过构建等值域对象,并与拓扑相关的等值线进行关联,实现对等值线图的矢量化填充效果.实例表明,该算法应用于物探等值线图的自动填充,保证了填充结果的正确性,实现了矢量化的充填效果.