带尖锐特征的Loop细分曲面拟合系统

实现了一个基于带尖锐特征的Loop细分曲面的三角网格拟合系统,其基本原理来自文献[15],但在系统设计层面对原算法作了相当大的补充和完善.整个系统框架包括尖锐特征提取、保持尖锐特征的三角网格简化、保持尖锐特征的网格平滑和拓扑优化、基于最近点策略的重采样和线性拟合系统求解.所得到的拟合曲面质量较原来的结果有了显著提高.

尖锐特征曲面散乱点云法向估计

针对现有算法对尖锐特征曲面点云法矢估计不准确,点云处理时容易丢失曲面细节特征等问题,提出一种尖锐特征曲面散乱点云法向估计法。该方法用主成分分析法粗估计点云法向;然后,根据各邻域点的空间欧氏距离和法向距离对各邻域法向加权,用加权邻域法向之和来更新当前点的法向;最后,测试估计法向与标准法向的误差,评价估计法矢的准确性,并且将估计的法向应用到点云数据处理中来比较特征保留效果。实验结果表明:本文方法能够准确地估计尖锐特征曲面的法向,最小误差接近0。另外,该方法对噪声有较好的鲁棒性,点云处理时能保留曲面的尖锐特征。相比于其他特征曲面法向估计法,所提出的方法估计的法向误差更小、速度更快、耗时更少。

子分曲面尖锐特征生成

虽然生成光滑曲面是自由曲面造型的一个主要追求目标 ,但在某些场合却又要求能够产生非光滑的特殊效果 ,即所谓的尖锐特征 ( sharp feature) .该文研究子分曲面造型中特殊效果的生成 ,提出一种基于网格拓扑构造的方法 ,把折痕、角、尖刺和锥等尖锐特征的生成统一到边界处理方法中 ,从而避免了为各种效果建立特殊子分规则 ,并在不改变已有子分模式的情况下实现特殊尖锐特征造型 .

Doo-Sabin细分模式的尖锐特征造型

通过推广准均匀二次B样条的节点插入算法,对边界面、折痕面、角点面等特征面给出新的细分规则,从而使Doo-Sabin细分模式可以表示边界、折痕、角点、刺点等尖锐特征,且特征处不受拓扑结构的限制·在特征附近进行了连续性分析,所得到的极限曲面具有分片G1连续性·该算法既可以设计有特征的、任意拓扑的复杂曲面,又可以精确地表示球面、柱面、锥面等工程技术中常用的二次曲面,在CAD/CAM领域具有广泛的应用前景·

混合细分曲面尖锐和半尖锐特征生成

在实际细分曲面造型中 ,模型初始控制网格经常需要同时用含有三角形和四边形的混合网格来表示。本文主要研究基于三角形和四边形的混合细分曲面的尖锐、半尖锐特征的生成方法。提出一种基于局部修改混合细分规则 ,把混合细分曲面的尖锐、半尖锐特征生成方式统一起来的自适应细分方法。为了使得多条折痕在相交点是 C1 连续 ,在靠近折痕交点附近运用四点插值细分方法。根据特征处的尖锐程度通过自适应混合细分来实现半尖锐特征效果。实例表明 ,本算法生成的混合细分曲面尖锐。

一种保持尖锐特征的3^(1/2)细分算法

提出一种能够重建模型尖锐特征的3细分算法.首先根据预设的阈值θ自动标记网格中的尖锐特征边,并计算出各个顶点的尖特征度;然后根据顶点尖特征度的不同修改原3细分方法的几何规则,设计出相应的权值掩模(mask);最后通过在奇数次细分时不翻转特征边,在偶数次细分时插入边点的方法来实现尖锐特征的重建.实验结果表明,与原3细分方法相比,该算法能够更好地保持模型的尖锐特征.

凸显尖锐特征的点-线-面递进式曲面重建

针对现有曲面重建算法不能很好地重建出点云模型尖锐特征的缺陷,提出了一种凸显点云尖锐特征的点-线-面递进式曲面重建算法。首先,根据近邻点的欧氏距离、法向偏差和曲面变分,采用主成分分析算法和k-近邻点迭代加权法获取点云准确法向;接着,依据特征点位于多个平面交线上的原则,利用法向聚类和平面拟合从候选特征点中筛选特征点;然后,依据特征点生长方向和主方向的相互关系重建特征线,并按照最小二乘原理采用矩阵法修复角点;最后,以特征线为约束重建尖锐特征点云曲面。实验结果表明:本文算法计算的点云准确法向与理论法向偏差接近于0,特征重建效果优于其他算法,算法耗时短且与点云数量呈线性关系。算法不仅能够准确计算尖锐特征区域的点云法向,还能准确提取出点云模型的特征点并凸显模型的尖锐特征。

非均匀Doo-Sabin细分曲面的尖锐特征构造

为进一步增强细分技术的特征造型能力,从修改细分规则的角度提出非均匀Doo-Sabin细分曲面的尖锐特征构造方法。根据基于非均匀Doo-Sabin细分方法的曲线插值理论,分析推导了控制网格中特征面细分的几何规则,并对细分极限曲面在特征附近的连续性进行了分析。在节点距大于零、所有面片边数及所有顶点价均小于11的情况下,细分极限曲面具有分片G1连续性。该方法既可以表示具有各种尖锐特征的任意拓扑复杂曲面,所构造的边界、折痕可以为一般二次NURBS曲线,同时还可以借助加权细分精确构造球面、柱面等一些常用二次曲面。

保持尖锐特征的混合细分曲面生成

基于混合细分模式,提出了细分曲面尖锐特征生成方法,通过对初始混合控制网格上要生成的各种尖锐特征的顶点和边分别作标记,然后局部修改细分规则进行迭代细分,实现了光滑混合曲面上产生折痕、角点、刺点、尖点的尖锐特征效果,并对尖锐特征处的局部细分矩阵进行了详细的特征分析。实验结果表明,该文算法效果好,能很好地保持模型的尖锐特征。

3^(1/2)细分模式的尖锐特征造型

提出一种利用改进的3～(1/2)细分模式重建模型尖锐特征的算法。根据初始网格上标记的各种尖锐特征,通过修改3～(1/2)细分模式在不同特征处的几何规则,然后采用奇数次细分在尖锐边上插入两个新点、保持尖锐边不动,偶数次细分重新计算所有顶点坐标并连接两个新插入顶点的方法重建出初始网格上的各种尖锐特征。此外,还给出了算法的极限曲面在不同尖锐特征处的连续性分析。实验结果表明该算法具有较强的多分辨表达能力和较高的曲面拟合质量。

一种保持尖锐特征的局部3^(1/2)细分算法

提出一种重建模型尖锐特征的局部3细分算法。在预处理过程中,只选取面向视点的网格作为能够被进一步自适应细分的网格,在自适应细分过程中,用相邻面片的法向夹角作为控制误差来反映细分的逼近程度是否足够,并根据预设的阈值θ自动标记网格中的尖锐特征边,重新设计尖锐特征处的面具。实验结果表明,该算法能够用较少的存储量有效地保持模型的尖锐特征。

基于插值曲线的尖锐特征构造方法

联合细分模式具有较强的曲线网插值能力,但却难以构造带有尖锐特征的复杂外形曲面。本文根据联合细分模式的特点,提出了一种简单有效的实现联合细分曲面的尖锐特征构造方法。在有限次细分过程中,根据给定的特征角和尖锐特征因子,反复调整跨界二阶偏导,有效改变了插值曲线附近局部曲面的形状,从而在插值曲线上生成尖锐特征;而且特征的形状可通过特征角进行调节。实例表明,该方法简单有效,生成的特征效果较好,起到增强联合细分曲面的造型功能的作用。

带尖锐特征的细分曲线参数化及曲线拟合

快速精确地估计曲线曲面参数具有广泛的应用。在前人研究的基础上,通过对细分过程及三次B样条细分矩阵的特征结构进行分析,将细分模式转换到其特征空间,给出了带尖锐特征的B样条细分曲线的参数化形式。并用于处理带尖锐特征的光滑曲线拟合问题。以曲率极大点作为初始拟合点。利用推导的参数化公式构造曲线的尖锐部分并方便误差估计。拟合点为曲线段端点,误差估计时不仅优化计算速度,而且在曲线分支距离过近或自交情况下避免错误匹配。

保持尖锐特征的多边形网格模型孔洞修补方法研究

针对由点云数据重建得到的多边形网格模型存在孔洞的问题,提出了一种保持尖锐特征的多边形网格模型孔洞修补算法。首先,利用基于径向基函数的插补方法获得能够近似地逼近孔洞区域的光滑隐式曲面。然后,利用正则化匹配算法对该隐式曲面进行三角化,完成孔洞填充曲面片与原始模型的孔洞边界的缝合。最后,针对孔洞边界存在尖锐特征进行特征增强处理。实验结果证明,该算法对多边形网格模型的孔洞修补取得良好效果,并能够有效地恢复孔洞区域包含的尖锐特征。

基于三角形网格的半尖锐特征造型算法研究

为了解决基于递归分割的曲面建模方法在实际应用过程中存在的问题,增强递归分割曲面的造型能力,在特征造型方面,利用边界规则实现了递归分割曲面的折痕、尖刺、角等绝对尖锐特征造型;在避免了为构造特殊效果而建立不同的递归分割算法基础上,提出了一种带权值的Loop递归分割算法。通过在初始网格上增加新结点的方式,利用通过不同的权值控制其极限曲面与初始网格的相似程度,减小了网格的收缩,实现了Loop递归分割曲面的半尖锐特征造型。

基于递归分割的绝对尖锐特征造型算法研究

递归分割曲面的尖锐特征不仅能够增加递归分割曲面的造型功能,而且有助于保留网格模型上的重要特征,其简捷、高效等特点具有广阔的应用前景。为解决在实际应用过程中存在的问题,进一步推动其在产品建模和机械制造中的应用,在特征造型方面,实现了递归分割曲面的折痕、尖刺、角等绝对尖锐特征造型,避免了为构造特殊效果而建立不同的递归分割算法,增加递归分割曲面的造型能力。

带尖锐特征的自适应Loop细分算法

文章提出了一种带尖锐特征的自适应Loop细分算法,自适应过程由二面角的阈值来控制。该算法除能保持模型的尖锐特征外,还可以根据用户需求进行自适应细分,大幅度抑制细分过程中网格数量的快速增长,并能获得与原始算法光顺程度基本一致的曲面。

三角网格上细分曲面的尖锐特征造型(英文)

尽管光滑性是我们在自由曲面造型时的最主要的目标 ,在某些特定情况下却需要产生非光滑的特殊效果 ,如折痕、角、尖刺、锥等尖锐特征 .本文主要研究基于Loop格式的尖锐特征的生成 .一种基于网格拓扑结构的修改的方法把诸如折痕、角、尖刺、锥和交点的生成统一了起来 ,同时第一次由本文生成了多条折痕交点的特殊效果 .

一种新的散乱点云尖锐特征提取方法

针对散乱点云的尖锐特征识别与提取问题,提出一种基于平均曲率运动的散乱点云尖锐特征提取算法.该算法利用采样点的加权邻域重心近似表示离散Laplacian算子;利用采样点邻域的主成分分析估算散乱点云法向量,通过张量投票的方法平滑估算得到的点云法向场,进一步提高了该算法识别细微尖锐特征的能力;将采样点和其对应加权邻域重心之间的距离投影到法向方向,消除了因为采样密度不均匀以及边界点所引起的尖锐特征点误判.该算法直接对散乱点云进行操作,不需要维护采样点之间的连接关系和任何全局的拓扑信息,简捷且易于实现,对点云中的噪声和局外点保持鲁棒.该算法应用于合成点云和实际扫描点云的实验结果表明了方法的有效性.

基于多数投票法的扫描点云尖锐特征保留方法

针对散乱点云预处理过程中尖锐特征难以保留的问题,提出一种基于多数投票法的尖锐特征保留方法。首先构建点云的k-d tree拓扑结构,采用主成分分析(PCA)方法来估计点云所有邻域中每个点的法向,结合曲面变化度对散乱点云进行区域划分;然后将多数投票法应用于特征区域,对模糊点进行识别;最后设定阈值,将判定出的噪声和离群点去除。由于点的种类识别精确,所以该方法可以避免出现去除不完全或者过度光顺等问题。实验结果表明:所提方法简单,耗时较短,能在去除噪声的同时保留点云尖锐特征。