密集散乱数据三角划分及数据压缩

介绍了Delaunay三角划分方法 ,运用一种算法对密集散乱数据进行三角划分 ,并在给定容差条件下对其进行成批压缩。由点云数据中最大、最小的六个点构成初始八面体 ,将数据分割为八个三角形区域上的凸包数据 ,在每个凸包数据中 ,搜寻到其对应的三角形的垂直距离最大的点 ,如果距离大于给定的容差 ,则将该点插入并局部优化三角网格。反之则将该点压缩掉。最后给出的实例证明了该算法的有效性和效率。

基于神经网络的接触式测头半径三维补偿

本文探讨了基于扩展的自组织特征映射(ESOFM)神经网络的三坐标测量机接触式密集数据采集的测头半径三维补偿。构建了测头半径三维补偿神经网络模型及其训练算法。用网络神经元对曲面空间测量样本点的学习和训练来模拟曲面上的点与点之间的内在关系。按六角形阵列侧抑制邻区训练调整网络神经元权重矢量,使网络输出层结点呈六角形阵列分布,可实现测量点集压缩后的Delaunay三角逼近剖分。经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近。根据微切平面的法线,对测头半径进行三维补偿。算例表明所创建的测头半径三维补偿神经网络模型有效可行。

基于三角网格构建的扫描测头半径三维补偿

采用扩展的自组织特征映射神经网络探讨了三坐标测量机接触式密集数据采集的测头半径三维补偿。构建了基于三角形网格构建的测头半径三维补偿模型。经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近;对子区域的分类核心,即神经元位置权重,沿微切平面法矢方向进行修正,得到逼近测头球心面的三角形网格II;根据微切平面的法线,对测头半径进行三维补偿,得到逼近接触曲面的三角形网格III。测头半径三维补偿的法矢方向,也可通过估算三角网格II顶点的法矢得到。算例表明所创建的测头半径三维补偿模型有效可行。

扫描式数据采集测头半径的三维智能计算补偿

探讨了基于扩展的自组织特征映射神经网络的扫描式密集数据采集的测头半径三维补偿。构建了测头半径三维补偿神经网络模型及其训练算法。首先经过训练,神经网络将整个数字化点群数据分成许多子区域,每个子区域用一个微切平面逼近;然后对子区域的分类核心,即神经元位置权重,沿微切平面法矢方向进行修正;最后根据微切平面的法线,对测头半径进行三维补偿。算例表明所创建的测头半径三维补偿神经网络模型有效可行。