散乱数据云的自适应网格划分

提出了一种基于图像边缘检测的自适应网格划分算法 ,用此方法可以根据测量曲面的几何特征控制型值点的疏密分布 ,并在保证模型精度的同时 ,减少了模型数据量 .该算法分图形 图像灰度映射、细化点检测、网格自适应细化三个部分 .图形 图像灰度映射将三维数据云映射为灰度图像 ,通过图像处理检测细化点 ,定位细化点的位置 ,由此实现网格自适应细化 .在柴油机引擎的测量数据云上的应用表明 ,该方法可以显著地降低模型数据量 ,提高建模效率 .

分层激光扫描图象的直线拟合

给出一种基于平面二维数据云的直线拟合算法。通过边界搜索和边界序化之后 ,采用最小二乘法对边界点进行处理 ,有效的拟合出了边界的直线特征。最后 。

测量数据云三维密度及几何拓扑关系的自动搜索

提出密集测量数据云的三维密度概念，将其应用于反求工程中各几何面之间拓扑关系的自动搜索。三维密集概念也可应用于排除测量数据云中杂散干扰点及数据云数据量的化简。本文思想已成功应用于华中仿型数控系统测量数据处理软件。